代码之家 › 专栏 › 技术社区 › T.Beil

在数据表中选取均匀分布的样本

sample data.table r

0

T.Beil · 技术社区 · 7 年前

假设我有一个如下所示的示例数据集:

df = data.table(id = 1:100,group=rep(c('a','b','c','d'),25))

我想,比方说,从这一组中进行80次观察十、非重叠样本。重要的特点是,每个样本在各组中的分布必须均匀。

例如:

x=20 will give a first sample of
1 a
5 b
15 c
28 d

这是一个非常方便的示例,但它也必须适用于不太方便的情况(例如,当x=7时)。

我的第一次尝试是使用分裂 ,如下所示:

df_split = split(df, as.numeric(as.factor(df$id)) %% 7)

这正是我想要的,只是它不能从每个组中统一选择!

2 回复 | 直到 7 年前

1

0

akash87 7 年前

如果我理解正确,因为您正在寻找7组80个样本,您可能希望将其作为循环运行:

dt <- data.table(id = 1:100,group=rep(c('a','b','c','d'),25))

newmat <- data.frame(Index = 1:80)
for(i in 1:7){
  k <- NULL
  for(j in unique(dt$group)){
    dt.sub <- dt[group == j]
    samps <- sample_n(dt.sub, 20, replace = F)
    k <- c(k,samps$id)
  }
  newmat <- cbind(newmat, k)
}

colnames(newmat) <- c("Index", paste0("k",1:7))

2

0

NewUser 7 年前

如果我理解正确,这可能就是您想要的:

df = data.frame(id = 1:100,group=rep(c('a','b','c','d'),25))

repeat {
  mysample <- sample(df$id, size=4, replace=TRUE)  # takes sample
  test     <- (sum(duplicated(df[mysample, ]$group)) == 0)  # true if no duplicates

  if (test == 1)
    break
}

mysample
df[mysample, ]  # retrieves data