主页 / coding / 问题 / 78783872
Accepted
David Robie
Asked: 2024-07-23 21:57:36 +0800 CST

尝试根据概率进行过滤时，R 中的 dplyr 过滤器出现问题

  • 772

问题：您真的可以根据过滤器内部的绘制可靠地执行过滤吗，或者它注定会失败？

目标：在 中dplyr::filter()，如果随机抽签失败，则删除 A 类（versicolor）行，如果抽签通过，则删除 B 类（virginica）行。应始终以 5 行 setosa 数据随机行和 1 行 virginica（1/8 机会）或 versicolor（7/8 机会）随机行结束。

试图：

as_tibble(iris) %>%
   group_by(Species) %>%
   mutate(draw = case_when(
      Species == "setosa" ~ 5,
      Species == "versicolor" ~ 1,
      Species == "virginica" ~ 1
   )) %>%
   slice(sample(n(),draw[1])) %>%
   filter(
      if(round(runif(1),3) <= 1/8){ Species != "versicolor" }
      else { Species != "virginica" }
   )

问题：虽然这通常只返回一个或另一个，但偶尔我会同时返回两个或两个都不返回。 出于好奇，我发现有 11% 的时间我同时返回两个，有 11% 的时间我一个都不返回，而只有 78% 的时间只返回一个（这是正确的）。

我理解一个解决方案是在切片之后结束管道，然后在语句内进行绘制if()：

data <- as_tibble(iris) %>%
   group_by(Species) %>%
   mutate(draw = case_when(
      Species == "setosa" ~ 5,
      Species == "versicolor" ~ 1,
      Species == "virginica" ~ 1
   )) %>%
   slice(sample(n(),draw[1]))

if(round(runif(1),3) <= 1/8){
   data %>%
      filter(Species != "versicolor")
}
else {
   data %>%
      filter(Species != "virginica")
}

但是，自从我意识到可以在过滤器内部进行绘制后，我便很有兴趣了解它是否实用。

1 个回答

  1. Best Answer

    你为什么不事先计算一下概率呢？

    as_tibble(iris) %>%
  mutate(prob = runif(1)) %>% 
  group_by(Species) %>%
  mutate(draw = case_when(
    Species == "setosa" ~ 5,
    Species == "versicolor" ~ +(prob <= 1/8),
    Species == "virginica" ~ +(prob > 1/8)
  )) %>%
  slice(sample(n(),draw[1]))

    它看上去比if ... else最后更干净。

    有时它不打印任何内容或不打印任何内容，是因为您提取的不是 1 个随机数，而是 3 个！每个组一个。

    filter在您的代码中被应用于分组data.frame，因此您会得到每个组一个随机数。

    尝试运行此代码。您将看到它将打印 3 个数字。

    • setosa 的条件并不重要。
    • 花斑癣的随机数为 0.095，它将条件设置为 TRUE，并从过滤条件中消除花斑癣。
    • virginica 的随机数为 0.295，大于 1/8。条件为 FALSE，virginica 将从最终结果中删除。
    print_random_number <- function(x, Species){
  cat(sprintf("%10s: %s <= 1/8 --> %s\n", Species, x, x <= 1/8))
  x
}

set.seed(6)
as_tibble(iris) %>%
  group_by(Species) %>%
  mutate(draw = case_when(
    Species == "setosa" ~ 5,
    Species == "versicolor" ~ 1,
    Species == "virginica" ~ 1
  )) %>%
  slice(sample(n(),draw[1])) %>%
  filter(
    if(print_random_number(round(runif(1),3), Species[1]) <= 1/8){ Species != "versicolor" }
    else { Species != "virginica" }
  )

#>     setosa: 0.916 <= 1/8 --> FALSE
#> versicolor: 0.095 <= 1/8 --> TRUE
#>  virginica: 0.295 <= 1/8 --> FALSE
#> # A tibble: 5 × 6
#> # Groups:   Species [1]
#>   Sepal.Length Sepal.Width Petal.Length Petal.Width Species  draw
#>          <dbl>       <dbl>        <dbl>       <dbl> <fct>   <dbl>
#> 1          4.9         3.1          1.5         0.1 setosa      5
#> 2          5.1         3.8          1.9         0.4 setosa      5
#> 3          4.3         3            1.1         0.1 setosa      5
#> 4          5           3.2          1.2         0.2 setosa      5
#> 5          4.7         3.2          1.3         0.2 setosa      5

    ungroup因此，您只需在之前添加以下内容即可更正代码filter：

    set.seed(6)
as_tibble(iris) %>%
  group_by(Species) %>%
  mutate(draw = case_when(
    Species == "setosa" ~ 5,
    Species == "versicolor" ~ 1,
    Species == "virginica" ~ 1
  )) %>%
  slice(sample(n(),draw[1])) %>%
  ungroup() %>%
  filter(
    # I added a print statement here to see what number was pulled
    if(print(round(runif(1),3)) <= 1/8){ Species != "versicolor" }
    else { Species != "virginica" }
  )

#> [1] 0.916
#> # A tibble: 6 × 6
#>   Sepal.Length Sepal.Width Petal.Length Petal.Width Species     draw
#>          <dbl>       <dbl>        <dbl>       <dbl> <fct>      <dbl>
#> 1          4.9         3.1          1.5         0.1 setosa         5
#> 2          5.1         3.8          1.9         0.4 setosa         5
#> 3          4.3         3            1.1         0.1 setosa         5
#> 4          5           3.2          1.2         0.2 setosa         5
#> 5          4.7         3.2          1.3         0.2 setosa         5
#> 6          6.4         3.2          4.5         1.5 versicolor     1
    • 2

相关问题