我试图在atbl_df
中生成一列,该列是0或1的随机整数。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))
但这似乎不符合我的预期。我生成的字段似乎全为零。这是因为其中的语句mutate
是并行计算的,因此最终在第一次随机抽取中使用了相同的种子吗?
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
在过去的几个小时中,我为此感到震惊。知道我的脚本有什么缺陷吗?
编写代码的方式是为整个向量分配一个值(随机抽取的结果)(这称为“向量循环”)。
在这种情况下,最好的解决方案是史蒂文·博普雷(StevenBeaupré)的答案,它创建一个长度为data.frame的随机向量:
df %>%
mutate(pop = sample(0:1, n(), replace = TRUE))
通常,如果您想逐行应用函数dplyr
(如您想的那样),可以使用rowwise()
,尽管在此示例中不是必需的。
这是以下示例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
按行进行数据分组可能比不进行任何分组都要慢。因此,最好尽可能使用向量化函数,而不要逐行进行操作。
基准测试:
使用的方法rowwise()
要慢大约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
本文收集自互联网,转载请注明来源。
如有侵权,请联系 [email protected] 删除。
我来说两句