ř編碼隨機

Question

我有標記的合併的數據組，其具有一對不同的標題的刪除重複的行中，兩個主要的標題是idnumber1和idnumber2例如：

idnumber 1   idnumber2  agegroup  gender 
234700    46016   15   1 
234700    46014   15   1 
223914    46016   15   1 
223914    46014   15   1 
227296    46016   15   1 
227296    46014   15   1 
224170    46016   15   1 
224170    46014   15   1 
233531    46016   15   1 
233531    46014   15   1 

我有超過80萬的數據有更多的變量記錄，這就是我想要做的事： - 計數的數據行的個數N

• 開始第1行（I = 1），不下一行有相同的idnumber1 ？如果是這樣，那麼下一行也，等等，直到你已經算行（k）的數量與這些k行相同idnumber1
• 選擇一個讓
• 生成0和1之間的隨機數（R） 。
• 如果R < 1/K則保持第1行，否則如果R < 2/K然後繼續第2行，......否則如果r < = K/K然後繼續排鉀
• 記錄備案idnumber2您將保留並刪除數據集中具有相同idnumber的所有其他行2
• 還記錄所選記錄的相應列數據
• 從行i（當前idnumber1的第一行）開始，到具有相同年齡組，性別等的最後一行開始，檢查此行的idnumber2是否與選定行相同，如果是，請刪除行
• 完成一個選擇後，移動下一個idnumber1（現在是數據集中的第二行）並重復整個過程

Answer 1

據我所知，您試圖隨機保留每行一個值在idnumber1。這可以通過拆分應用組合來完成：

set.seed(144) 
do.call(rbind, lapply(split(dat, dat$idnumber1), 
         function(x) x[sample(nrow(x), 1),])) 
#  idnumber1 idnumber2 agegroup gender 
# 223914 223914  46016  15  1 
# 224170 224170  46014  15  1 
# 227296 227296  46014  15  1 
# 233531 233531  46014  15  1 
# 234700 234700  46016  15  1