dplyr:mutate中的整数采样

Question

我试图生成一个tbl_df0或1的随机整数列.这是我正在使用的代码:

library(dplyr)
set.seed(0)

#Dummy data.frame to test
df <- tbl_df(data.frame(x = rep(1:3, each = 4)))

#Generate the random integer column
df_test = df %>% 
  mutate(pop=sample(0:1, 1, replace=TRUE))

但这似乎并没有像我预期的那样发挥作用.我生成的字段似乎都是零.这是因为内部语句mutate是并行评估的,因此最终使用相同的种子进行第一次随机抽取？

df_test 
Source: local data frame [12 x 2]

   x pop
1  1   0
2  1   0
3  1   0
4  1   0
5  2   0
6  2   0
7  2   0
8  2   0
9  3   0
10 3   0
11 3   0
12 3   0

在过去的几个小时里,我正在打破这个局面.知道我的脚本中有什么缺陷吗？

Answer 1

编写代码的方式是,您将整个向量分配一个值(随机抽取的结果)(这称为"向量回收").

在这种情况下,最好的解决方案是StevenBeaupré的答案,创建一个随机化的向量,即data.frame的长度:

df %>% 
  mutate(pop = sample(0:1, n(), replace = TRUE))

通常,如果你想逐行地应用一个函数dplyr- 正如你认为的那样 - 你可以使用rowwise(),虽然在这个例子中它不是必需的.

这是一个例子rowwise():

df2 <- data.frame(a = c(1,3,6), b = c(2,4,5))

df2 %>%
  mutate(m = max(a,b))

  a b m
1 1 2 6
2 3 4 6
3 6 5 6

df2 %>%
  rowwise() %>%
  mutate(m = max(a,b))

  a b m
1 1 2 2
2 3 4 4
3 6 5 6

由于rowwise每个行操作的数据组可能比没有任何分组的数据慢.因此,尽可能使用矢量化函数而不是逐行操作最好.

标杆:

采用的方法rowwise()慢了约30倍:

library(microbenchmark)
df <- tbl_df(data.frame(x = rep(1:1000, each = 4)))
bench <- microbenchmark(
  vectorized = df2 <- df %>% mutate(pop = sample(0:1, n(), replace = TRUE)),
  rowwise = df2 <- df %>% rowwise() %>% mutate(pop = sample(0:1, 1, replace = TRUE)),
  times = 1000
  )

options(microbenchmark.unit="relative")
print(bench)
autoplot(bench)

Unit: relative
       expr      min       lq     mean   median       uq     max neval
 vectorized  1.00000  1.00000  1.00000  1.00000  1.00000  1.0000  1000
    rowwise 42.53169 42.29486 36.94876 33.70456 34.92621 71.7682  1000