数据集中每组的不同样本数答案

【问题标题】：Different sample number for each group in a data set数据集中每组的不同样本数
【发布时间】：2016-07-04 12:39:08
【问题描述】：

给定一个数据集

key <- rep(c('a', 'b', 'c'), 10)
value <- sample(30)
df <- data.frame(key, value)

我想在键中为每个组提供不同数量的样本，使用 dplyr 的简单代码显然不适用于此任务

ns <- c('a'= 1, 'b'= 2, 'c' = 3)
df %>%
mutate(n_s = ns[key]) %>%
group_by(key) %>%
sample_n(n_s)

有一些解决方案看起来就这么简单吗？

【问题讨论】：

一个有趣的 data.table 版本 - df[df[, sample(.I, ns[match(unlist(.BY), names(ns))]), by=key]$V1,]

标签： r dplyr plyr tidyr

【解决方案1】：

您可以查看我的“splitstackshape”包中的stratified 函数：

library(splitstackshape)
ns <- c('a'= 1, 'b'= 2, 'c' = 3)
stratified(df, "key", size = ns)
#    key value
# 1:   a     7
# 2:   b    10
# 3:   b    13
# 4:   c     4
# 5:   c    20
# 6:   c     9

【讨论】：

【解决方案2】：

您可以使用mapply 和split(df, df$key) 和ns 作为参数，但请注意ns 的名称不使用。计算的是groups的顺序，如果groups的数量与ns的长度不匹配，则ns会被回收。

set.seed(129)
mapply(sample_n, split(df, df$key), ns, SIMPLIFY = FALSE) %>%
  rbind_all
#     key value
#  (fctr) (int)
#1      a    29
#2      b    14
#3      b    22
#4      c    10
#5      c    24
#6      c     3

【讨论】：

甜蜜！如果您按名称 ns[order(names(ns))] 对 ns 进行排序，此解决方案将更通用