R中使用dplyr按group_by分组为NA填充对应组随机数的实现方法
最优dplyr实现方案(效率接近for循环,可读性强)
核心思路是避免逐行运算,改为按exp+rep分组后批量生成随机数替换缺失值,代码如下:
library(dplyr) set.seed(1) # 固定随机种子保证结果可复现 result <- df %>% # 关联填充参数 left_join(imp_df, by = c("exp", "rep")) %>% # 按实验和重复分组,每组对应唯一的mean、sd group_by(exp, rep) %>% mutate( imp.int = replace( int, is.na(int), # 仅生成当前组缺失值对应数量的随机数,减少冗余计算 rnorm(n = sum(is.na(int)), mean = first(mean), sd = first(sd)) ) ) %>% # 可选:移除冗余的mean、sd列 select(-mean, -sd)
方案优势
- 效率远高于
rowwise版本:本方案仅需要给6个分组各调用1次rnorm,而rowwise版本需要给每一行单独调用1次rnorm,数据量越大性能优势越明显,实测百万行级数据下效率和for循环版本基本一致 - 代码逻辑清晰,完全符合tidyverse风格,不需要手动维护循环索引
内容的提问来源于stack exchange,提问作者drmariod
相关产品推荐
相关产品推荐

