生成按組的隨機數替換

Question

**編輯，因爲我是doofus - 與更換，不無**

我有一個大的肥胖型（> 50萬行）數據集4​​21個基團，由兩個限定分組變量。樣品數據如下：

df<-data.frame(group_one=rep((0:9),26), group_two=rep((letters),10)) 

head(df) 

    group_one group_two 
1   0   a 
2   1   b 
3   2   c 
4   3   d 
5   4   e 
6   5   f 

...等等。

我想要的是通過（group_one x group_two）中的成員資格的分層樣本的某個數字（k = 12，但該數字可能會有所不同）。每個組的成員資格都應該用一個新的列sample_membership來表示，該列的值爲1到k（現在再次是12）。我應該可以通過sample_membership進行子集化，並獲得12個不同的樣本，每個樣本在考慮group_one和group_two時都具有代表性。因此

最終數據會是這個樣子：

group_one group_two sample_membership 
1   0   a     1 
2   0   a    12 
3   0   a     5 
4   1   a     5 
5   1   a     7 
6   1   a     9 

的思考？首先十分感謝！

Answer 1

這裏有一個單行data.table方法，如果你有很長的data.frame，你一定要考慮這個問題。

library(data.table) 

setDT(df) 

df[, sample_membership := sample.int(12, .N, replace=TRUE), keyby = .(group_one, group_two)] 

df 
# group_one group_two sample_membership 
# 1:   0   a     9 
# 2:   0   a     8 
# 3:   0   c    10 
# 4:   0   c     4 
# 5:   0   e     9 
# ---          
# 256:   9   v     4 
# 257:   9   x     7 
# 258:   9   x    11 
# 259:   9   z     3 
# 260:   9   z     8 

對於沒有更換採樣，使用replace=FALSE，但在其他地方所指出的，請確保您有每組少於ķ成員。 OR：

如果你想用「抽樣避免不必要更換」（使這個了 - 不知道正確的術語是什麼在這裏），因爲你每組有超過ķ成員，但仍想保留該組的大小均勻越好，你可以這樣做：

# example with bigger groups 
k <- 12L 
big_df <- data.frame(group_one=rep((0:9),260), group_two=rep((letters),100)) 
setDT(big_df) 

big_df[, sample_round := rep(1:.N, each=k, length.out=.N), keyby = .(group_one, group_two)] 
big_df[, sample_membership := sample.int(k, .N, replace=FALSE), keyby = .(group_one, group_two, sample_round)] 
head(big_df, 15) # you can see first repeat does not occur until row k+1 

在每個「採樣圓」（前K組中的組中的觀察，第二K意見等）有不放回抽樣。然後，如有必要，下一輪採樣可以再次提供所有k個分配。

這種方法將真正均勻分層樣本（但只有在每個組中有多個k成員時纔可能完全平均）。

Answer 2

未經檢驗的例子使用dplyr，如果它不起作用，它可能會指向你在正確的方向。

library(dplyr) 
set.seed(123) 
df <- data.frame(
    group_one = as.integer(runif(1000, 1, 6)), 
    group_two = sample(LETTERS[1:6], 1000, TRUE) 
) %>% 
    group_by(group_one, group_two) %>% 
    mutate(
    sample_membership = sample(seq(1, length(group_one)), length(group_one), FALSE) 
) 

祝你好運！

Answer 3

也許這樣的事情？：

library(dplyr) 
    df %>% 
    group_by(group_one, group_two) %>% 
    mutate(sample_membership = sample(1:12, n(), replace = FALSE)) 

Answer 4

這是一個基礎R方法，即假定您的data.frame由組排序：

# get number of observations for each group 
groupCnt <- with(df, aggregate(group_one, list(group_one, group_two), FUN=length))$x 

# for reproducibility, set the seed 
set.seed(1234)  
# get sample by group 
df$sample <- c(sapply(groupCnt, function(i) sample(12, i, replace=TRUE)))