使用 rnorm() 生成数据集

Question

我需要生成一个数据集，其中包含 3 个类中的 20 个观察值（每个类 20 个观察值 - 总共 60 个）和 50 个变量。我试图通过使用下面的代码来实现这一点，但是它抛出了一个错误，我最终创建了 50 个变量的 2 个观察值。

data = matrix(rnorm(20*3), ncol = 50)
Warning message:
In matrix(rnorm(20 * 3), ncol = 50) :
data length [60] is not a sub-multiple or multiple of the number of columns [50]

我想知道哪里出错了，或者这是否是生成数据集的最佳方法，以及对可能解决方案的一些解释，以便我可以更好地理解将来如何做到这一点。

Answer 1

下面的代码可能少于我的 3 行代码就可以完成，但我想保持简单，我还想使用您似乎熟悉的 matrix 函数：

#for the response variable y (60 values - 3 classes 1,2,3  - 20 observations per class)
y <- rep(c(1,2,3),20 ) #could use sample instead if you want this to be random as in docendo's answer

#for the matrix of variables x
#you need a matrix of 50 variables i.e. 50 columns and 60 rows i.e. 60x50 dimensions (=3000 table cells)
x <- matrix( rnorm(3000), ncol=50 )

#bind the 2 - y will be the first column 
mymatrix <- cbind(y,x)

> dim(x) #60 rows , 50 columns
[1] 60 50
> dim(mymatrix) #60 rows, 51 columns after the addition of the y variable
[1] 60 51

更新

我只是想更具体地说明您在问题中尝试 matrix 时遇到的错误。

首先 rnorm(20*3) 与 rnorm(60) 相同，它将根据标准正态分布生成一个包含 60 个值的向量。
当您使用 matrix 时，除非用 byrow 参数另行指定，否则它会按列填充值。正如文档中提到的那样：

If one of nrow or ncol is not given, an attempt is made to infer it from the length of data and the other parameter. If neither is given, a one-column matrix is returned.

而推断它的逻辑方法是通过等式 n * m = number_of_elements_in_matrix 其中 n 和 m 是 rows 和 columns 的数量矩阵分别。在您的情况下，您的 number_of_elements_in_matrix 为 60，列号为 50。因此，行数必须为 60/50=1.2 行。但是，十进制行数没有任何意义，因此您会收到错误消息。由于您选择了 50 列，因此只有 50 的倍数将被接受为 number_of_elements_in_matrix。希望这很清楚！

使用 rnorm() 生成数据集

Using rnorm() to generate data sets

r