在data.table中按组标记随机选择的N行

Question

在 C3 列的 data.table 中，我想按每个组 (C1) 标记 N 个随机选择的行。在 SO here、here 和 here 上已经提出了几个类似的问题。但是根据答案仍然无法弄清楚如何为我的任务找到解决方案。

set.seed(1)    
dt = data.table(C1 = c("A","A","A","B","C","C","C","D","D","D"), 
                 C2 = c(2,1,3,1,2,3,4,5,4,5)) 

dt
    C1 C2
 1:  A  2
 2:  A  1
 3:  A  3
 4:  B  1
 5:  C  2
 6:  C  3
 7:  C  4
 8:  D  5
 9:  D  4
10:  D  5

这里是每个 C1 组随机选择的两个行的行索引（不适用于 B 组）：

dt[, sample(.I, min(.N, 2)), by = C1]$V1
[1]  1  3  3  7  5 10  9

注意：B 组只应选择一行，因为 B 组仅包含一行。

这里是每个组中一个随机选择的行的解决方案，这通常不适用于 B 组：

dt[, C3 := .I == sample(.I, 1), by = C1]
dt
    C1 C2    C3
 1:  A  2 FALSE
 2:  A  1  TRUE
 3:  A  3 FALSE
 4:  B  1 FALSE
 5:  C  2  TRUE
 6:  C  3 FALSE
 7:  C  4 FALSE
 8:  D  5  TRUE
 9:  D  4 FALSE
10:  D  5 FALSE

实际上我想将它扩展为 N 行。我试过（两行）：

dt[, C3 := .I==sample(.I, min(.N, 2)), by = C1]

这当然行不通。

非常感谢任何帮助！

Answer 1

dt[, C3 := 1:.N %in% sample(.N, min(.N, 2)), by = C1]

或者用head，不过我觉得应该会慢一些

dt[, C3 := 1:.N %in% head(sample(.N), 2) , by = C1]

如果标记的行数不是恒定的，你可以这样做

flagsz <- c(2, 1, 2, 3)
dt[, C3 := 1:.N %in% sample(.N, min(.N, flagsz[.GRP])), by = C1]

Answer 2

N=2
dt[, C3 := {if (.N < N) rep(TRUE,.N) else 1:.N %in%  sample(.N,N) }, by=C1]
dt
# C1 C2    C3
# 1:  A  2  TRUE
# 2:  A  1 FALSE
# 3:  A  3  TRUE
# 4:  B  1  TRUE
# 5:  C  2 FALSE
# 6:  C  3  TRUE
# 7:  C  4  TRUE
# 8:  D  5  TRUE
# 9:  D  4  TRUE
# 10:  D  5 FALSE