在不汇总的情况下计算组中元素的出现次数答案

【问题标题】：Count the occurence of an element in the group without summarizing在不汇总的情况下计算组中元素的出现次数
【发布时间】：2021-07-05 08:22:29
【问题描述】：

我的数据集如下所示：

x <- data.table(id=c(1,1,1,2,2,3,4,4,4,4), cl=c("a","b","c","b","b","a","a","b","c","a"))

我正在尝试根据 cl 中的元素为每个组 (id) 选择一行的概率。

我尝试了以下方法：

x[,num:=.N, keyby=.(id,cl)]

x[,den:=.N, keyby=.(id)]

x[,prob:=num/den, ]

有没有更好的方法来做到这一点？

最终，我的最终目标是使用概率值作为权重，同时对每组 (id) 的一行进行采样。任何更好的替代方法来达到这些权重将不胜感激。

【问题讨论】：

标签： r data.table counting resampling summarize

【解决方案1】：

你的意思是这样的吗？

> x[, prob := prop.table(table(cl))[cl], id][]
    id cl      prob
 1:  1  a 0.3333333
 2:  1  b 0.3333333
 3:  1  c 0.3333333
 4:  2  b 1.0000000
 5:  2  b 1.0000000
 6:  3  a 1.0000000
 7:  4  a 0.5000000
 8:  4  b 0.2500000
 9:  4  c 0.2500000
10:  4  a 0.5000000

或

> unique(x[, prob := prop.table(table(cl))[cl], id][])
   id cl      prob
1:  1  a 0.3333333
2:  1  b 0.3333333
3:  1  c 0.3333333
4:  2  b 1.0000000
5:  3  a 1.0000000
6:  4  a 0.5000000
7:  4  b 0.2500000
8:  4  c 0.2500000

解释：table + prop.table 给出了所有元素的频率表，它们是命名值，因此我们使用[cl] 来对频率进行子集化。

【讨论】：

谢谢，这正是我要找的。我不知道这些功能的用途。如果您添加一些描述会很棒
@K_D 是的，我在代码中添加了一些 cmets。

【解决方案2】：

如果您的目的是根据观察到的频率生成随机样本：

x[, .N , by= .(id, cl)][, prop := N/sum(N), by = .(id)][]
#    id cl N      prop
# 1:  1  a 1 0.3333333
# 2:  1  b 1 0.3333333
# 3:  1  c 1 0.3333333
# 4:  2  b 2 1.0000000
# 5:  3  a 1 1.0000000
# 6:  4  a 2 0.5000000
# 7:  4  b 1 0.2500000
# 8:  4  c 1 0.2500000

【讨论】：