Rで人工データを作る

はじめに

Pythonではrandomライブラリを用いて人工データを簡単に生成できるが、Rでは（とくに離散データの生成に）ひと手間いるようなのでその手順を書く。

連続データの生成

正規分布・一様分布にしたがうデータは以下コードで生成できる。

continuous.R

rnorm(n=5, mean=50, sd=10)  # 平均50、標準偏差10の正規分布から5個データを生成
runif(n=5, min=0, max=100)  # 最小値0、最大値100の一様分布から5個データを生成

rnorm関数はmean, sdを指定しない場合が標準正規分布、runif関数はmin, maxを指定しない場合0から1の値となる。

離散データの生成

上記で作成した連続データをcut関数でカテゴリ分けし、level関数で値をふることで離散データを生成する。

discrete.R

x <- runif(n=5)
x.dis <- cut(x, seq(0,1,0.2))
levels(x.dis) <- 1:5

0から1の間で生成された連続データを0.2刻みでカテゴリ分けし、それらのカテゴリに1から5までの値を割り当てている。ちなみにpythonであればrandoｍライブラリをインポートして x.dis = [random.randint(1, 5) for i in range(5)] で簡単に生成できる。Pythonは便利。