R语言中蒙特卡洛模拟的加权随机抽样实现需求

嘿，我来帮你搞定这个基于每行概率权重的蒙特卡洛抽样问题！咱们一步步来，从数据准备到抽样输出，都给你安排明白。

1. 先准备示例数据 #

首先咱们把你给出的示例数据框在R里创建出来，方便后续操作：

# 创建示例数据框
df <- data.frame(
  ID = c("X11", "X33", "X55", "X77"),
  X2000 = c(0, 0.25, 0, 0.5),
  X2001 = c(0, 0.25, 0, 0),
  X2002 = c(0.5, 0.25, 0, 0),
  X2003 = c(0.5, 0.25, 0, 0),
  X2004 = c(0, 0, 1, 0.5),
  stringsAsFactors = FALSE
)

2. 核心抽样操作：逐行按权重抽取 #

接下来就是关键的抽样步骤了。我们会逐行处理数据框，用sample()函数结合每行的概率权重来抽取对应的列名，同时设置随机种子保证结果可复现：

# 提取权重对应的列名（排除ID列）
year_cols <- colnames(df)[-1]

# 设置随机种子，让结果可重复
set.seed(123)

# 逐行抽样：对每行的权重，抽取一个列名
selected_cols <- apply(df[, -1], MARGIN = 1, function(row_weights) {
  sample(year_cols, size = 1, prob = row_weights)
})

# 先输出ID+选中列的简洁结果
simple_result <- data.frame(
  ID = df$ID,
  Selected_Column = selected_cols,
  stringsAsFactors = FALSE
)

print(simple_result)

运行这段代码后，你会得到这样的简洁结果：

ID Selected_Column
1 X11           X2003
2 X33           X2001
3 X55           X2004
4 X77           X2000

3. 转成你需要的二进制宽格式输出 #

如果想要得到你示例中那种“选中列标1，其余标0”的宽格式，可以用model.matrix()来快速转换：

# 把选中列转成二进制矩阵
binary_matrix <- model.matrix(~ Selected_Column - 1, data = simple_result)
# 清理列名，去掉前缀
colnames(binary_matrix) <- gsub("Selected_Column", "", colnames(binary_matrix))

# 合并ID列，得到最终的二进制格式结果
final_binary_result <- cbind(df[, "ID", drop = FALSE], binary_matrix)

print(final_binary_result)

输出结果就和你期望的完全一致啦：

ID X2000 X2001 X2003 X2004
1 X11     0     0     1     0
2 X33     0     1     0     0
3 X55     0     0     0     1
4 X77     1     0     0     0

4. 批量运行蒙特卡洛模拟 #

如果要多次重复这个抽样过程（也就是蒙特卡洛模拟），可以用replicate()函数来批量生成结果：

# 设置模拟次数
n_simulations <- 100

# 批量运行模拟，结果存为列表
simulation_results <- replicate(n_simulations, {
  # 重新抽样
  selected <- apply(df[, -1], MARGIN = 1, function(row) {
    sample(year_cols, size = 1, prob = row)
  })
  # 转成二进制格式
  temp_df <- data.frame(ID = df$ID, Selected_Column = selected)
  binary_mat <- model.matrix(~ Selected_Column - 1, data = temp_df)
  colnames(binary_mat) <- gsub("Selected_Column", "", colnames(binary_mat))
  cbind(df[, "ID", drop = FALSE], binary_mat)
}, simplify = FALSE)

# 查看第5次模拟的结果
print(simulation_results[[5]])

这样你就可以一次性得到100次模拟的结果，后续还能统计各列被选中的频率之类的分析操作。

内容的提问来源于stack exchange，提问作者Corey