如何按行和列随机化（或排列）数据帧？

Question

我有一个像这样的数据框（df1）。

     f1   f2   f3   f4   f5
d1   1    0    1    1    1  
d2   1    0    0    1    0
d3   0    0    0    1    1
d4   0    1    0    0    1

d1...d4 列是行名，f1...f5 行是列名。

为了执行示例（df1），我得到了一个与 df1 相同的计数为 1 的新数据帧。因此，对于整个数据帧，1 的计数是保守的，但对于每行或每列而言，1 的计数并不保守。

是否可以按行或按列进行随机化？

我想对每列按列随机化 df1，即每列中 1 的数量保持不变。并且每列至少需要更改一次。例如，我可能有一个像这样的随机 df2：（请注意，每列中 1 的计数保持不变，但每行中 1 的计数不同。

     f1   f2   f3   f4   f5
d1   1    0    0    0    1  
d2   0    1    0    1    1
d3   1    0    0    1    1
d4   0    0    1    1    0

同样，我也想对每个 df1 逐行进行随机化行，即每行中的 1 的数量保持不变，并且每行都需要更改（但更改的条目的数量可能不同），例如，随机的 df3 可能是这样的：

     f1   f2   f3   f4   f5
d1   0    1    1    1    1  <- two entries are different
d2   0    0    1    0    1  <- four entries are different
d3   1    0    0    0    1  <- two entries are different
d4   0    0    1    0    1  <- two entries are different

PS 非常感谢。为Gavin Simpson、Joris Meys 和 Chase 为我之前关于随机化两列的问题提供了先前的答案。

Answer 1

给定 R data.frame：

> df1
  a b c
1 1 1 0
2 1 0 0
3 0 1 0
4 0 0 0

按行随机播放：

> df2 <- df1[sample(nrow(df1)),]
> df2
  a b c
3 0 1 0
4 0 0 0
2 1 0 0
1 1 1 0

默认情况下，sample() 随机重新排序作为第一个参数传递的元素。这意味着默认大小是传递数组的大小。将参数 replace=FALSE（默认值）传递给 sample(...) 可确保在不进行替换的情况下完成采样，从而实现按行洗牌。

按列随机播放：

> df3 <- df1[,sample(ncol(df1))]
> df3
  c a b
1 0 1 1
2 0 1 0
3 0 0 1
4 0 0 0

Answer 2

这是使用包 dplyr 洗牌 data.frame 的另一种方法：

按行：

df2 <- slice(df1, sample(1:n()))

或

df2 <- sample_frac(df1, 1L)

按列：

df2 <- select(df1, one_of(sample(names(df1)))) 

Answer 3

看一下vegan包中的permatswap()。下面是一个同时维护行和列总计的示例，但您可以放松这一点并仅修复行或列总计之一。

mat <- matrix(c(1,1,0,0,0,0,0,1,1,0,0,0,1,1,1,0,1,0,1,1), ncol = 5)
set.seed(4)
out <- permatswap(mat, times = 99, burnin = 20000, thin = 500, mtype = "prab")

这给出：

R> out$perm[[1]]
     [,1] [,2] [,3] [,4] [,5]
[1,]    1    0    1    1    1
[2,]    0    1    0    1    0
[3,]    0    0    0    1    1
[4,]    1    0    0    0    1
R> out$perm[[2]]
     [,1] [,2] [,3] [,4] [,5]
[1,]    1    1    0    1    1
[2,]    0    0    0    1    1
[3,]    1    0    0    1    0
[4,]    0    0    1    0    1

解释一下调用：

out <- permatswap(mat, times = 99, burnin = 20000, thin = 500, mtype = "prab")

1. times 是您想要的随机矩阵的数量，这里 99
2. burnin 是我们开始随机采样之前进行的交换次数。这使得我们在开始提取每个随机矩阵之前采样的矩阵变得相当随机
3. thin 表示每次 thin 交换时只进行随机抽取
4. mtype = “prab” 表示将矩阵视为存在/不存在，即二进制 0/1 数据。

有几点需要注意，这并不能保证任何列或行都已随机化，但如果“burnin”足够长，则很有可能发生这种情况。此外，您可以绘制比您需要的更多的随机矩阵，并丢弃不符合您所有要求的矩阵。

这里也没有涵盖您对每行具有不同数量的更改的要求。同样，您可以采样比您想要的更多的矩阵，然后丢弃不满足此要求的矩阵。

Answer 4

您还可以使用 R 包 picante 中的 randomizeMatrix 函数

示例：

test <- matrix(c(1,1,0,1,0,1,0,0,1,0,0,1,0,1,0,0),nrow=4,ncol=4)
> test
     [,1] [,2] [,3] [,4]
[1,]    1    0    1    0
[2,]    1    1    0    1
[3,]    0    0    0    0
[4,]    1    0    1    0

randomizeMatrix(test,null.model = "frequency",iterations = 1000)

     [,1] [,2] [,3] [,4]
[1,]    0    1    0    1
[2,]    1    0    0    0
[3,]    1    0    1    0
[4,]    1    0    1    0

randomizeMatrix(test,null.model = "richness",iterations = 1000)

     [,1] [,2] [,3] [,4]
[1,]    1    0    0    1
[2,]    1    1    0    1
[3,]    0    0    0    0
[4,]    1    0    1    0
> 

选项 null.model="Frequency" 维护列总和和 richness 维护行总和。
虽然主要用于随机化群落生态中物种存在缺失数据集，但它在这里效果很好。

此函数还有其他空模型选项，请查看以下链接以了解 picante 文档

Answer 5

当然，您可以对每一行进行采样：

sapply (1:4, function (row) df1[row,]<<-sample(df1[row,]))

将随机排列行本身，因此每行中的 1 数量不会改变。小改动，它也适用于列，但这是给读者的练习:-P

Answer 6

如果目标是随机打乱每列，则上述某些答案不起作用，因为列是联合打乱的（这保留了列间相关性）。其他需要安装软件包。然而，存在一句话：

df2 = lapply(df1, function(x) { sample(x) })

Answer 7

您还可以使用如下所示的方法“采样”数据框中相同数量的项目：

nr<-dim(M)[1]
random_M = M[sample.int(nr),]

Answer 8

这是使用 .N 和 sample 的 data.table 选项，如下所示：

library(data.table)
setDT(df)
df[sample(.N)]
#>    a b c
#> 1: 0 1 0
#> 2: 1 1 0
#> 3: 1 0 0
#> 4: 0 0 0

^{Created on 2023-01-28 with reprex v2.0.2}

---

数据：

df <- read.table(text = "  a b c
1 1 1 0
2 1 0 0
3 0 1 0
4 0 0 0", header = TRUE)

Answer 9

数据框中的随机样本和排列
如果是矩阵形式转换成data.frame
使用基础包中的示例函数
索引 = 样本(1:nrow(df1), 大小=1*nrow(df1))
随机样本和排列