如何在R中以50/50的夜间和白天时间比率为每个人每天提取一个随机的白天？

Question

我对 R 没有太多经验，并且遇到以下问题：我有来自无线电项圈野猫的 csv 格式的数据，带有日期时间戳和 GPS 位置（以及一些额外的信息，如性别、年龄等）。我必须平衡每个人的数据集，因为修复（位置）的频率是不相等的。我想每天为每只猫的数据提取一个随机位置。此外，每个人选择的随机点应具有 50/50 的昼夜点比率。为此，我创建了一个列来定义该位置是在夜间还是白天记录，但我不知道如何将比率规则添加到我的代码中。我还想知道是否可以在代码中保存随机选择的点，所以如果其他人再次运行它，他们会得到与我第一次提取相同的随机点（我认为可以使用 set.seed 完成？）。我经常只是不知道如何组合我想使用的所有功能。

我想我每天使用以下代码成功地为每个人提取了一个随机点：

data %>% group_by(animals_id,utc) %>%
  sample_n(1) -> result 

但是我怎样才能包含每个人的 50/50 日夜分数比率以及如何添加 set.seed 函数？

这是我的数据集的结构：

  X animals_id    acquisition_time longitude latitude
1 1          1 2010-05-01 02:59:00  7.604915 47.94362
2 2          1 2010-05-01 10:00:00  7.604967 47.94373
3 3          1 2010-05-01 16:59:00  7.605800 47.94379
4 4          1 2010-05-02 06:59:00  7.604969 47.94358
5 5          1 2010-05-02 13:59:00  7.604921 47.94008
6 6          1 2010-05-03 03:59:00  7.605051 47.94356
       projection collar_type study_area_id animals_age_class
1 EPSG:4326-WGS48         gps            13                 a
2 EPSG:4326-WGS48         gps            13                 a
3 EPSG:4326-WGS48         gps            13                 a
4 EPSG:4326-WGS48         gps            13                 a
5 EPSG:4326-WGS48         gps            13                 a
6 EPSG:4326-WGS48         gps            13                 a
  animals_sex        utc day_night
1           f 2010-05-01     night
2           f 2010-05-01       day
3           f 2010-05-01       day
4           f 2010-05-02       day
5           f 2010-05-02       day
6           f 2010-05-03     night
> 

我非常感谢每一个提示。

Answer 1

我尝试定义一个函数，该函数根据列对数据框中的行进行随机抽样，其中的元素可以分组。该函数根据列的组对数据框进行拆分，然后在每组中随机选择相等数量的行，然后将样本绑定回一个数据框。 n.each 参数指定每组的采样行数。如果未指定，则使用 n.each = 1。 通过指定seed 参数，可以复制随机采样的行集。如果未指定，则使用 seed = 1。 colname 是列名（应该被引用）。 请注意，从结果样本中删除了行名。

这里是函数和例子

library(data.table)
library(magrittr)

sample_equal <- function(df, colname, n.each = 1, seed = 1) {

  eqsamp <- function(df) {
    set.seed(seed)
    df %>%
      transpose %>%
      sample(n.each) %>%
      transpose
  }

  sampled <- df %>%
    split(df[colname]) %>%
    lapply(eqsamp) %>%
    do.call(rbind, .) 
  
  rownames(sampled) <- NULL
  colnames(sampled) <- colnames(df)
  return(sampled)
}

# Example1 : Applied to `iris`

iris %>% sample_equal('Species', 2, seed = 3)

#  Sepal.Length Sepal.Width Petal.Length Petal.Width    Species
#1            5         3.6          1.4         0.2     setosa
#2          4.8         3.4          1.6         0.2     setosa
#3          6.5         2.8          4.6         1.5 versicolor
#4          5.9           3          4.2         1.5 versicolor
#5          6.5           3          5.8         2.2  virginica
#6          6.4         2.7          5.3         1.9  virginica

# Example2 : Multistage sampling to `mtcars` 

sample_equal(mtcars, 'cyl', 3, seed = 5) %>% 
sample_equal('gear', 2, seed = 3)

#   mpg cyl  disp  hp drat    wt  qsec vs am gear carb
#1 21.4   6 258.0 110 3.08 3.215 19.44  1  0    3    1
#2 14.3   8 360.0 245 3.21 3.570 15.84  0  0    3    4
#3 24.4   4 146.7  62 3.69 3.190 20.00  1  0    4    2
#4 21.0   6 160.0 110 3.90 2.875 17.02  0  1    4    4
#5 26.0   4 120.3  91 4.43 2.140 16.70  0  1    5    2
#6 30.4   4  95.1 113 3.77 1.513 16.90  1  1    5    2

要将其应用于您的数据，如果您想选择一天一夜，这应该可以：

result <- data %>% group_by(animals_id,utc) %>% 
equal_sample('day_night', seed = 3) 

结果会有一夜一夜，但样本中的经纬度可能完全相同。

如果您需要独特的位置，您可以按纬度或经度分组，然后进行日/夜采样。您还需要指定在每个纬度或经度中采样的日/夜数。例如：

result2 <- data %>% group_by(animals_id,utc, latitude) %>% 
equal_sample('day_night', seed = 3)