如何在r中生成随机邮政编码

Question

我需要帮助生成一个 r 代码，该代码在样本大小为 5000 的 csv 文件中分配随机邮政编码，文件样本如下所示。 2007、2008、2009等等都是年份

ID  2007    2008    2009    2010    2011    2012    2013    2014    2015    2016    2017
X1                                          
X2                                          
X3                                          
X4                                          
X5                                          
X6                                          
X7                                          
X8                                          
X9                                          
X10 

                                    

我有一个单独的文件，其中保存了所有邮政编码。 下面复制的邮政编码文件示例

BR1 1AA
BR1 1AB
BR1 1AD
BR1 1AE
BR1 1AF
BR1 1AG
BR1 1AH
BR1 1AJ
BR1 1AL
BR1 1AX
BR1 1BA
BR1 1BB
BR1 1BP
BR1 1BQ
BR1 1BS
BR1 1BT
BR1 1BU
BR1 1BW
BR1 1BX
BR1 1BY
BR1 1BZ
BR1 1DA
BR1 1DB
BR1 1DD
BR1 1DE
BR1 1DF
BR1 1DG
BR1 1DH
BR1 1DJ
BR1 1DL
BR1 1DN
BR1 1DP
BR1 1DQ
BR1 1DR
BR1 1DS
BR1 1DT
BR1 1DU
BR1 1DW
BR1 1DX
BR1 1EA
BR1 1EE
BR1 1EG
BR1 1EH
BR1 1EJ
BR1 1EL
BR1 1EN
BR1 1EP
BR1 1ER
BR1 1ES
BR1 1EU
BR1 1EW
BR1 1EX
BR1 1EY
BR1 1EZ
BR1 1GA
BR1 1HA
BR1 1HB
BR1 1HD
BR1 1HE
BR1 1HF
BR1 1HG
BR1 1HH
BR1 1HJ
BR1 1HL
BR1 1HN
BR1 1HP
BR1 1HQ
BR1 1HR
BR1 1HS
BR1 1HT
BR1 1HU
BR1 1HW
BR1 1HX
BR1 1HY
BR1 1HZ
BR1 1JA
BR1 1JB
BR1 1JD
BR1 1JF
BR1 1JG
BR1 1JH
BR1 1JJ
BR1 1JL
BR1 1JN
BR1 1JP
BR1 1JQ
BR1 1JR
BR1 1JS
BR1 1JT
BR1 1JU
BR1 1JW
BR1 1JX
BR1 1JY
BR1 1LA
BR1 1LB
BR1 1LD
BR1 1LE
BR1 1LF
BR1 1LG

我希望按照以下方式在数据表中分配邮政编码。2007 年至 2017 年期间居住的邮政编码数量

%	n
39.7	1985年
32.3	1615
15.2	760
6.6	330
3.6	180
1.9	95
0.6	30
0.2	10

在数据表中有 5000 个 ID，我必须填写 2007 年至 2017 年的邮政编码。1985 年的记录在 2007 年至 2017 年期间应具有相同的邮政编码，但彼此不同。

在第二步程序中，选择 1615 个邮政编码并将其分配给 1615 条记录，以便在 2007 年和 2017 年期间邮政编码发生一次变化（因此他们在学习期间生活在两个邮政编码上。依此类推。

Answer 1

像这样定义向量中的输入

years <- 2007:2017
target_frequencies <- c(1985L, 1615L, 760L, 330L, 180L, 95L, 30L, 10L)
postcodes <- c("1AA", "1AB", "1AD", "1AE", "1AF", "1AG", "1AH", "1AJ", "1AL", "1AX", "1BA", "1BB", "1BP", "1BQ", "1BS", "1BT", "1BU", "1BW", "1BX", "1BY", "1BZ", "1DA", "1DB", "1DD", "1DE", "1DF", "1DG", "1DH", "1DJ", "1DL", "1DN", "1DP", "1DQ", "1DR", "1DS", "1DT", "1DU", "1DW", "1DX", "1EA", "1EE", "1EG", "1EH", "1EJ", "1EL", "1EN", "1EP", "1ER", "1ES", "1EU", "1EW", "1EX", "1EY", "1EZ", "1GA", "1HA", "1HB", "1HD", "1HE", "1HF", "1HG", "1HH", "1HJ", "1HL", "1HN", "1HP", "1HQ", "1HR", "1HS", "1HT", "1HU", "1HW", "1HX", "1HY", "1HZ", "1JA", "1JB", "1JD", "1JF", "1JG", "1JH", "1JJ", "1JL", "1JN", "1JP", "1JQ", "1JR", "1JS", "1JT", "1JU", "1JW", "1JX", "1JY", "1LA", "1LB", "1LD", "1LE", "1LF", "1LG")

我会用purrr来解决这个purrr ：

library(purrr)

我们可以定义一个辅助函数来生成随机邮政编码，以唯一邮政编码的数量为参数：

generate_postcodes <- function(count) {
  years_with_new_code <- sort(sample(tail(years, -1), count - 1))
  sample(postcodes)[findInterval(years, years_with_new_code) + 1] %>%
    set_names(years)
}

测试辅助函数

generate_postcodes(2)

# 2007  2008  2009  2010  2011  2012  2013  2014  2015  2016  2017 
# "1HW" "1HW" "1HW" "1HW" "1HW" "1HW" "1HW" "1HW" "1EX" "1EX" "1EX" 

generate_postcodes(6)

# 2007  2008  2009  2010  2011  2012  2013  2014  2015  2016  2017 
# "1JD" "1JD" "1JU" "1HQ" "1HQ" "1HQ" "1JA" "1GA" "1GA" "1EE" "1EE" 

最后，我们可以调用

imap_dfr(target_frequencies, function(count, code_count) {
  map(seq(count), ~ generate_postcodes(code_count))
}) %>%
.[sample(nrow(.)), ]

返回具有所需属性的随机排序的 tibble：

# A tibble: 5,005 x 11
   `2007` `2008` `2009` `2010` `2011` `2012` `2013` `2014` `2015` `2016` `2017`
   <chr>  <chr>  <chr>  <chr>  <chr>  <chr>  <chr>  <chr>  <chr>  <chr>  <chr> 
 1 1HW    1EZ    1EZ    1EZ    1EZ    1EZ    1EZ    1EZ    1EZ    1EZ    1EZ   
 2 1LG    1DG    1DU    1HZ    1HZ    1HZ    1HZ    1HZ    1HZ    1HZ    1HZ   
 3 1HD    1HD    1HD    1HD    1HD    1HD    1HD    1HD    1HD    1HD    1HD   
 4 1HF    1HF    1HF    1HF    1HF    1HF    1HF    1HF    1HF    1HF    1GA   
 5 1JU    1JU    1BP    1BP    1BP    1BP    1BP    1BP    1BP    1BP    1DP   
 6 1EG    1ER    1ER    1ER    1ER    1ER    1ER    1ER    1ER    1ER    1ER   
 7 1EL    1EL    1EL    1EL    1EL    1EL    1EL    1EL    1EL    1EL    1EL   
 8 1DN    1DN    1DN    1DN    1JG    1JG    1JG    1JG    1JG    1JG    1JG   
 9 1HG    1HG    1HG    1HG    1HG    1HG    1HG    1BQ    1BQ    1BQ    1BQ   
10 1ER    1ER    1ER    1ER    1ER    1DW    1DW    1DW    1DW    1JQ    1JQ   
# … with 4,995 more rows