R语言用tidyverse遍历参数dataframe模拟正态分布数据

核心问题说明 #

• 你最初用cbind构造my_data时，因为存在字符型分组列，所有列会被强制转为字符型，数值类的观测数、均值、方差无法直接参与计算
• dplyr 分组后直接调用rnorm会把整个分组数据框作为第一个参数传入rnorm，和rnorm的参数结构不匹配，需要用reframe（dplyr 1.0.0及以上版本支持，更适合返回不等长结果）承接生成的多观测值
• 注意：rnorm的第三个参数sd是标准差，如果你表中variance字段存储的是方差，需要先开平方再传入

正确实现代码 #

首先加载依赖包，构造正确格式的参数表：

library(tidyverse)

# 方式1：直接用tibble构造参数表，避免类型问题
my_data <- tibble(
  grouping1 = c('a','a', 'a', 'b', 'b', 'b'),
  grouping2 = c('A','A', 'B', 'B', 'C', 'C'),
  grouping3 = c('1','2', '3', '4', '5', '6'),
  observations = c(14, 14, 12, 12, 15, 15),
  average = c(334, 336, 243, 645, 233, 625),
  variance = c(2, 6, 7, 9, 2, 6)
)

# 方式2：如果你不想修改原有cbind构造逻辑，可事后转类型
# my_data <- cbind(grouping1,grouping2,grouping3,observations,average,variance) %>%
#   as_tibble() %>%
#   mutate(across(c(observations, average, variance), as.numeric))

生成模拟长表数据：

my_generated_data <- my_data %>%
  group_by(grouping1, grouping2, grouping3) %>%
  reframe(
    # 如果你表中variance实际是标准差，去掉sqrt()即可
    sim_value = rnorm(n = observations, mean = average, sd = sqrt(variance))
  )

结果说明 #

生成的my_generated_data为长表结构，每行对应一条模拟观测，自动保留对应行的分组字段，总观测数为所有分组设定的观测数之和（14+14+12+12+15+15=82行）。

内容的提问来源于stack exchange，提问作者MeC