代码之家 › 专栏 › 技术社区 › Chris. Z

因子内因子水平的选择

factors dataframe r

Chris. Z · 技术社区 · 10 年前

这是我的例子:

df<-data.frame(ID=as.factor(c(rep("A",20),rep("B",15))),var=as.factor(c(rep("w",5),rep("x",10),rep("y",12),rep("z",8))), obs=runif(35,0,10))

我想做的是,对于每个“ID”,能够随机选择一个“var”,并且可能通过选择具有最多“obs”的“var”。例如,它可以随机给出:

   ID  var       obs
6   A   x 3.44405412
7   A   x 1.50957637
8   A   x 8.22009420
9   A   x 7.47094473
10  A   x 8.26098410
11  A   x 9.62919537
12  A   x 0.10393890
13  A   x 0.11298502
14  A   x 4.33822574
15  A   x 4.20109035
28  B   z 1.07697286
29  B   z 8.40864310
30  B   z 7.62563257
31  B   z 0.06885177
32  B   z 4.33959316
33  B   z 7.98303782
34  B   z 8.38335593
35  B   z 4.52110318

提前感谢您的帮助。

2 回复 | 直到 10 年前

Frank 10 年前

这是另一个数据。表方法。开始。。。

library(data.table)
setDT(df)

然后,选择 var 每个 ID :

# var with highest #obs
idvar_selected = df[,.(var = .SD[,.N,by=var][which.max(N)]$var), by=ID]

# or... at random, weighted by #obs
idvar_selected = df[,.(var = sample(var,1)), by=ID]

并使用所选内容“连接”:

df[idvar_selected, on=c("ID","var")]

akrun 10 年前

一个选项使用 data.table .

我们转换“数据”。帧“到”数据。表'( setDT(df) ). 按“ID”和“var”分组,我们创建一个变量“N”,该变量给出行数( .N )对于每组。然后,我们按“ID”分组,并将具有 max “N”的值( .SD[N==max(N)] ). “N”列可以指定为“NULL”,因为预期输出中不需要它。

library(data.table)
setDT(df)[,N := .N  , by = .(ID, var)][, .SD[N==max(N)] ,
        by = .(ID)][, N:= NULL][]
#    ID var       obs
# 1:  A   x 9.2044378
# 2:  A   x 2.7973557
# 3:  A   x 7.6382046
# 4:  A   x 8.0163062
# 5:  A   x 2.5472509
# 6:  A   x 6.0488886
# 7:  A   x 3.7073495
# 8:  A   x 6.7169025
# 9:  A   x 6.7298231
#10:  A   x 3.2043056
#11:  B   z 5.9973018
#12:  B   z 6.3014766
#13:  B   z 0.4663503
#14:  B   z 3.1951313
#15:  B   z 2.3874890
#16:  B   z 3.6881753
#17:  B   z 1.4802475
#18:  B   z 9.3776173

通过分配一个新列,我们正在更改原始数据集“df”。我们可以稍后从原始数据集中删除该列

df[, N:=NULL]

或对上述代码的修改,而不指定( := )使得原始数据集保持不变。我们连接 .SD 即 Subset of Datatable 具有 N 创建新列“N”,然后像以前一样对行进行子集。

setDT(df)[, c(list(N=.N), .SD) ,by =.(ID, var)][, 
                     .SD[N==max(N)], by =ID][, N:= NULL][]

或者按照@Frank的建议,我们可以 copy(.SD) 要避免原始数据集发生更改,请分配“N”,并按之前的操作。

setDT(df)[,copy(.SD)][,N := .N , by = .(ID, var)][,
                          .SD[N==max(N)] ,  by = .(ID)][]

如果我们想在每个“ID”中选择随机的“var”,我们可以使用 sample 要选择按“ID”分组的单个“var”,请获取逻辑向量( var==sample(var, 1)] )并将行子集

setDT(df)[, .SD[var==sample(var, 1)] , by =ID]

数据

set.seed(24)
df <- data.frame(ID=as.factor(c(rep("A",20),rep("B",15))),
         var=as.factor(c(rep("w",5),rep("x",10),rep("y",12),rep("z",8))), 
         obs=runif(35,0,10))