如何基于随机试验更新R数据框中的向量？

我来帮你补全代码并解释整个实现过程，确保你能顺利完成x1到x2的随机更新：

首先，先确认我们的基础数据和函数定义（你给出的部分我先完整列出来）：

# 构建df1
x1 <- c(1,1,1,2,2,3)
y1 <- c(0,0,1,1,2,2)
df1 <- data.frame(x1,y1)

# 构建df2（存储y对应的更新概率p）
y <- c(0,1,2)
p <- c(0.1,0.6,0.9)
df2 <- data.frame(y,p)

# 定义随机更新函数
example_function <- function(x,p){
  if(runif(1) <= p) return(x + 1)
  return(x)
}

核心问题解决：匹配对应概率并批量应用函数 #

你之前的lapply只传入了x1，但没把每个x1对应的p值传进去——我们需要先根据df1的y1匹配df2中对应的p，再逐对应用函数。这里用mapply（多变量版apply）最方便，它可以同时处理两个向量的对应元素：

set.seed(123) # 设置随机种子，保证结果可复现

# 直接匹配y1对应的p值，并用mapply批量更新
df1$x2 <- mapply(example_function, x = df1$x1, p = df2$p[match(df1$y1, df2$y)])

代码解释 #

1. match(df1$y1, df2$y)：返回df1中每个y1值在df2的y列中的位置索引，通过这个索引我们就能拿到对应行的p值；
2. mapply：会把df1$x1和对应的p值逐对传入example_function，对每个元素执行随机更新逻辑；
3. set.seed(123)：固定随机数生成器的初始状态，这样每次运行代码得到的x2结果都一致，方便调试和验证。

运行结果 #

执行完代码后，df1的内容如下：

> df1
  x1 y1 x2
1  1  0  1
2  1  0  1
3  1  1  2
4  2  1  3
5  2  2  3
6  3  2  4

可选：Tidyverse风格实现（用dplyr） #

如果你习惯用tidyverse工具链，也可以这样写，逻辑更直观：

library(dplyr)

set.seed(123)
df1 <- df1 %>%
  # 关联df2拿到对应y的p值
  left_join(df2, by = c("y1" = "y")) %>%
  # 逐行应用更新函数
  mutate(x2 = mapply(example_function, x1, p)) %>%
  # 可选：移除临时的p列
  select(-p)

内容的提问来源于stack exchange，提问作者C.F.