随机化 R 中两列之间的数据
Randomize data between two columns in R
我已经搜索了这个任务的答案或解决方案，但目前还没有成功，所以如果这是多余的，我深表歉意。
我想随机化两列之间的数据。这是为了模拟植被实地数据中的物种错误识别，所以我也想在两列之间分配某种错误识别的概率。我想有一些方法可以使用 sample 或 "permute" 包来做到这一点。
我将 select 一些现成的数据作为示例。
library (vegan)
data (dune)
如果您键入 head (dune)，那么您可以看到这是一个数据框，行为站点，列为物种。为了方便起见，我们可以假设一些现场技术人员有可能错误识别 草地早熟禾 和 草地早熟禾。
poa = data.frame(Poaprat=dune$Poaprat,Poatriv=dune$Poatriv)
head(poa)
Poaprat Poatriv
1 4 2
2 4 7
3 5 6
4 4 5
5 2 6
6 3 4
将这两列之间的值随机化的最佳方法是什么（在彼此之间传输 and/or 当两者都存在时相加）。结果数据可能如下所示：
Poaprat Poatriv
1 6 0
2 4 7
3 5 6
4 5 4
5 0 7
6 4 3
P.S.
对于畏缩不前的生态学家：请注意，为了节省时间，我做了这个例子，而且我知道相对盖度值不是相加的。我很抱歉需要这样做。
*** 编辑：为了更清楚起见，随机化的数据类型将是覆盖率估计值（因此值介于 0% 和 100% 之间）。这个快速示例中的数据是相对覆盖率估计，而不是计数。
您仍然需要用新的列替换实际的列，并且可能有更优雅的方法来执行此操作（在 EDT 土地上已经晚了）和你必须决定除了你想要使用的正态分布之外还有什么（即你将如何替换 sample()）但是你得到你的交换并添加：
library(vegan)
library(purrr)
data(dune)
poa <- data.frame(
Poaprat=dune$Poaprat,
Poatriv=dune$Poatriv
)
map2_df(poa$Poaprat, poa$Poatriv, function(x, y) {
for (i in 1:length(x)) {
what <- sample(c("left", "right", "swap"), 1)
switch(
what,
left={
x[i] <- x[i] + y[i]
y[i] <- 0
},
right={
y[i] <- x[i] + y[i]
x[i] <- 0
},
swap={
tmp <- y[i]
y[i] <- x[i]
x[i] <- tmp
}
)
}
data.frame(Poaprat=x, Poatriv=y)
})
这是我的方法：
让我们定义一个函数，该函数将采用多个样本 (n) 和它可能被错误标记的概率 (p)。此函数将以 p 的概率采样 1，以 1-p 的概率采样 0。这个随机抽样的总和将给出有多少 n 个样本不正确。
mislabel = function(x, p){
N_mis = sample(c(1,0), x, replace = T, prob = c(p, 1-p))
sum(N_mis)
}
定义函数后，将其应用于每一列并将其存储到两个新列中
p_miss = 0.3
poa$Poaprat_mislabeled = sapply(poa$Poaprat, mislabel, p_miss)
poa$Poatriv_mislabeled = sapply(poa$Poatriv, mislabel, p_miss)
每个物种标记的标本的最终数量可以通过从同一物种中减去不正确的标本并从其他标本中添加不正确的标本来计算。
poa$Poaprat_final = poa$Poaprat - poa$Poaprat_mislabeled + poa$Poatriv_mislabeled
poa$Poatriv_final = poa$Poatriv - poa$Poatriv_mislabeled + poa$Poaprat_mislabeled
结果：
> head(poa)
Poaprat Poatriv Poaprat_mislabeled Poatriv_mislabeled Poaprat_final Poatriv_final
1 4 2 0 0 4 2
2 4 7 1 2 5 6
3 5 6 0 3 8 3
4 4 5 1 2 5 4
5 2 6 0 3 5 3
6 3 4 1 2 4 3
完成程序：
mislabel = function(x, p){
N_mis = sample(c(1,0), x, replace = T, prob = c(p, 1-p))
sum(N_mis)
}
p_miss = 0.3
poa$Poaprat_mislabeled = sapply(poa$Poaprat, mislabel, p_miss)
poa$Poatriv_mislabeled = sapply(poa$Poatriv, mislabel, p_miss)
poa$Poaprat_final = poa$Poaprat - poa$Poaprat_mislabeled + poa$Poatriv_mislabeled
poa$Poatriv_final = poa$Poatriv - poa$Poatriv_mislabeled + poa$Poaprat_mislabeled
p_miss 变量是错误标记两个物种的概率。您还可以为每个使用不同的值来模拟不对称的机会，与另一个相比，可能更容易将其中一个贴错标签。
接受了 hrbrmstr 的回答后，我只想签到。今天有一点时间，我继续制作了一个功能，可以在一定程度上灵活地完成这项任务。它允许包含多个物种对，不同物种对之间的不同概率（不同方向的不对称），并明确包括值保持不变的概率。
misID = function(X, species,probs = c(0.1,0.1,0,0.8)){
library(purrr)
X2 = X
if (!is.matrix(species) == T){
as.matrix(species)
}
if (!is.matrix(probs) == T){
probs=matrix(probs,ncol=4,byrow=T)
}
if (nrow(probs) == 1){
probs = matrix(rep(probs[1,],nrow(species)),ncol=4,byrow=T)
}
for (i in 1:nrow(species)){
Spp = data.frame(X[species[i,1]],X[species[i,2]])
mis = map2_df(Spp[1],Spp[2],function(x,y) {
for(n in 1:length(x)) {
what = sample(c('left', 'right', 'swap','same'), size=1,prob=probs[i,])
switch(
what,
left = {
x[n] = x[n] + y[n]
y[n] = 0
},
right = {
y[n] = x[n] + y[n]
x[n] = 0
},
swap = {
tmp = y[n]
y[n] = x[n]
x[n] = tmp
},
same = {
x[n] = x[n]
y[n] = y[n]
}
)
}
misSpp = data.frame(x,y)
colnames(misSpp) =c(names(Spp[1]),names(Spp[2]))
return(misSpp)
})
X2[names(mis[1])] = mis[1]
X2[names(mis[2])] = mis[2]
}
return(X2)
}
这里可能存在一些小的低效率问题，但总的来说它完成了我需要它做的事情。抱歉，没有评论，但我确实想出了如何轻松处理将混洗后的数据放入数据框中的方法。
感谢您为我指出 "purrr" 包以及 switch 功能。
示例：
library(vegan)
library(labdsv)
data(dune)
#First convert relative abundances to my best guess at the % values in Van der Maarel (1979)
code = c(1,2,3,4,5,6,7,8,9)
value = c(0.1,1,2.5,4.25,5.5,20,40,60.5,90)
veg = vegtrans(dune,code,value)
specpairs = matrix(c("Poaprat","Poatriv","Trifprat","Trifrepe"),ncol=2,byrow=T) #create matrix of species pairs
probmat = matrix(c(0.3,0,0,0.7,0,0.5,0,0.5),ncol=4,byrow=T) #create matrix of misclassification probabilities
veg2 = misID(veg,specpairs,probs = probmat)
print(veg2)
我已经搜索了这个任务的答案或解决方案，但目前还没有成功，所以如果这是多余的，我深表歉意。
我想随机化两列之间的数据。这是为了模拟植被实地数据中的物种错误识别，所以我也想在两列之间分配某种错误识别的概率。我想有一些方法可以使用 sample 或 "permute" 包来做到这一点。
我将 select 一些现成的数据作为示例。
library (vegan)
data (dune)
如果您键入 head (dune)，那么您可以看到这是一个数据框，行为站点，列为物种。为了方便起见，我们可以假设一些现场技术人员有可能错误识别 草地早熟禾 和 草地早熟禾。
poa = data.frame(Poaprat=dune$Poaprat,Poatriv=dune$Poatriv)
head(poa)
Poaprat Poatriv
1 4 2
2 4 7
3 5 6
4 4 5
5 2 6
6 3 4
将这两列之间的值随机化的最佳方法是什么（在彼此之间传输 and/or 当两者都存在时相加）。结果数据可能如下所示：
Poaprat Poatriv
1 6 0
2 4 7
3 5 6
4 5 4
5 0 7
6 4 3
P.S.
对于畏缩不前的生态学家：请注意，为了节省时间，我做了这个例子，而且我知道相对盖度值不是相加的。我很抱歉需要这样做。
*** 编辑：为了更清楚起见，随机化的数据类型将是覆盖率估计值（因此值介于 0% 和 100% 之间）。这个快速示例中的数据是相对覆盖率估计，而不是计数。
您仍然需要用新的列替换实际的列，并且可能有更优雅的方法来执行此操作（在 EDT 土地上已经晚了）和你必须决定除了你想要使用的正态分布之外还有什么（即你将如何替换 sample()）但是你得到你的交换并添加：
library(vegan)
library(purrr)
data(dune)
poa <- data.frame(
Poaprat=dune$Poaprat,
Poatriv=dune$Poatriv
)
map2_df(poa$Poaprat, poa$Poatriv, function(x, y) {
for (i in 1:length(x)) {
what <- sample(c("left", "right", "swap"), 1)
switch(
what,
left={
x[i] <- x[i] + y[i]
y[i] <- 0
},
right={
y[i] <- x[i] + y[i]
x[i] <- 0
},
swap={
tmp <- y[i]
y[i] <- x[i]
x[i] <- tmp
}
)
}
data.frame(Poaprat=x, Poatriv=y)
})
这是我的方法：
让我们定义一个函数，该函数将采用多个样本 (n) 和它可能被错误标记的概率 (p)。此函数将以 p 的概率采样 1，以 1-p 的概率采样 0。这个随机抽样的总和将给出有多少 n 个样本不正确。
mislabel = function(x, p){
N_mis = sample(c(1,0), x, replace = T, prob = c(p, 1-p))
sum(N_mis)
}
定义函数后，将其应用于每一列并将其存储到两个新列中
p_miss = 0.3
poa$Poaprat_mislabeled = sapply(poa$Poaprat, mislabel, p_miss)
poa$Poatriv_mislabeled = sapply(poa$Poatriv, mislabel, p_miss)
每个物种标记的标本的最终数量可以通过从同一物种中减去不正确的标本并从其他标本中添加不正确的标本来计算。
poa$Poaprat_final = poa$Poaprat - poa$Poaprat_mislabeled + poa$Poatriv_mislabeled
poa$Poatriv_final = poa$Poatriv - poa$Poatriv_mislabeled + poa$Poaprat_mislabeled
结果：
> head(poa)
Poaprat Poatriv Poaprat_mislabeled Poatriv_mislabeled Poaprat_final Poatriv_final
1 4 2 0 0 4 2
2 4 7 1 2 5 6
3 5 6 0 3 8 3
4 4 5 1 2 5 4
5 2 6 0 3 5 3
6 3 4 1 2 4 3
完成程序：
mislabel = function(x, p){
N_mis = sample(c(1,0), x, replace = T, prob = c(p, 1-p))
sum(N_mis)
}
p_miss = 0.3
poa$Poaprat_mislabeled = sapply(poa$Poaprat, mislabel, p_miss)
poa$Poatriv_mislabeled = sapply(poa$Poatriv, mislabel, p_miss)
poa$Poaprat_final = poa$Poaprat - poa$Poaprat_mislabeled + poa$Poatriv_mislabeled
poa$Poatriv_final = poa$Poatriv - poa$Poatriv_mislabeled + poa$Poaprat_mislabeled
p_miss 变量是错误标记两个物种的概率。您还可以为每个使用不同的值来模拟不对称的机会，与另一个相比，可能更容易将其中一个贴错标签。
接受了 hrbrmstr 的回答后，我只想签到。今天有一点时间，我继续制作了一个功能，可以在一定程度上灵活地完成这项任务。它允许包含多个物种对，不同物种对之间的不同概率（不同方向的不对称），并明确包括值保持不变的概率。
misID = function(X, species,probs = c(0.1,0.1,0,0.8)){
library(purrr)
X2 = X
if (!is.matrix(species) == T){
as.matrix(species)
}
if (!is.matrix(probs) == T){
probs=matrix(probs,ncol=4,byrow=T)
}
if (nrow(probs) == 1){
probs = matrix(rep(probs[1,],nrow(species)),ncol=4,byrow=T)
}
for (i in 1:nrow(species)){
Spp = data.frame(X[species[i,1]],X[species[i,2]])
mis = map2_df(Spp[1],Spp[2],function(x,y) {
for(n in 1:length(x)) {
what = sample(c('left', 'right', 'swap','same'), size=1,prob=probs[i,])
switch(
what,
left = {
x[n] = x[n] + y[n]
y[n] = 0
},
right = {
y[n] = x[n] + y[n]
x[n] = 0
},
swap = {
tmp = y[n]
y[n] = x[n]
x[n] = tmp
},
same = {
x[n] = x[n]
y[n] = y[n]
}
)
}
misSpp = data.frame(x,y)
colnames(misSpp) =c(names(Spp[1]),names(Spp[2]))
return(misSpp)
})
X2[names(mis[1])] = mis[1]
X2[names(mis[2])] = mis[2]
}
return(X2)
}
这里可能存在一些小的低效率问题，但总的来说它完成了我需要它做的事情。抱歉，没有评论，但我确实想出了如何轻松处理将混洗后的数据放入数据框中的方法。
感谢您为我指出 "purrr" 包以及 switch 功能。
示例：
library(vegan)
library(labdsv)
data(dune)
#First convert relative abundances to my best guess at the % values in Van der Maarel (1979)
code = c(1,2,3,4,5,6,7,8,9)
value = c(0.1,1,2.5,4.25,5.5,20,40,60.5,90)
veg = vegtrans(dune,code,value)
specpairs = matrix(c("Poaprat","Poatriv","Trifprat","Trifrepe"),ncol=2,byrow=T) #create matrix of species pairs
probmat = matrix(c(0.3,0,0,0.7,0,0.5,0,0.5),ncol=4,byrow=T) #create matrix of misclassification probabilities
veg2 = misID(veg,specpairs,probs = probmat)
print(veg2)