来自 data.table 的样本

Question

我有一些 data.table，我想从中选择一个随机子集，但仅适用于某些操作。

假设数据是

dat <- data.table(id=1:100, group=sample(1:20,100, replace=TRUE), a=runif(100), b=rnorm(100))

我想做两件事：

1. 统计每组的 id 数量
2. 从每个组中随机选择一个id，并将其值记录在a和b上

我可以关注How do you extract a few random rows from a data.table on the fly并选择

dat[n=.N, a=a[sample(.N,1)], b=b[sample(.N,1)], group]

但我担心，这会相互独立地选择a 和b。有没有办法选择相同的？

Answer 1

第 1 部分

如果您想计算唯一 id 的数量并且某些 id 在组内重复

dat[, .(n_ids = uniqueN(id)), group]

如果 id 在组内不重复，或者您不想在唯一的基础上计算它们

dat[, .(n_ids = .N), group]

第 2 部分

如果 id 在组内重复，并且您希望返回每个组中随机选择的 id 的所有行

dat[dat[, .(id = sample(id, 1)), group], on = .(id, group)]

如果 id 不重复，或者您只希望每组一行

dat[dat[, sample(.I, 1), group]$V1]

---

感谢 Frank 的评论，您还可以在一行中为上面的第 1 部分和第 2 部分执行第二个选项。这将返回类似dat[dat[, sample(.I, 1), group]$V1] 的行，但还会添加一列N 显示id 的数量（假设等于组中的行数）

dat[sample(.N), c(.SD[1], .N), keyby=group]