R加权抽样程序

Question

data1=data.frame("School"=c(1,1,1,1,1,1,2,2,2,2,2,2,3,3,3,3,3,3,4,4,4,4,4,4,5,5,5,5,5,5),
"Group"=c(1,1,1,2,2,2,1,1,1,2,2,2,1,1,1,2,2,2,1,1,1,2,2,2,1,1,1,2,2,2),
"Class"=c('A','B','C','A','B','C','A','B','C','A','B','C','A','B','C','A','B','C','A','B','C','A','B','C','A','B','C','A','B','C'),
"Size"=c(459,441,410,201,327,156,129,427,249,331,477,458,288,472,275,449,424,469,386,387,103,320,284,277,481,167,348,247,115,193))

data2=data.frame("ID"=c(1,2,3,4,5,6,7,8,9,10,11,12,13,14,15,16,17,18,19,20,21,22,23,24,25,26,27,28,29,30),
"Group"=c(2,2,2,2,1,1,1,2,2,2,2,2,2,1,1,2,1,2,1,1,2,2,2,2,2,1,1,1,1,1),
"Class"=c('A','B','C','B','C','C','A','A','A','B','B','A','B','A','C','C','B','A','B','A','B','C','B','A','C','B','B','C','C','B'),
"Funds"=c(5,8,9,4,6,3,5,7,6,7,6,7,6,7,6,7,4,9,5,7,5,5,5,7,9,7,6,9,4,7),
"Ratio"=c(2,2,3,1,1,2,3,3,1,3,3,3,3,1,1,3,2,1,1,1,3,1,3,3,1,2,1,3,1,3),
"WEIGHT"=c(162,65,104,118,105,49,107,93,25,24,103,115,64,186,57,123,86,181,70,111,154,135,37,73,127,148,188,169,73,52))

我有data1和data2，希望提供一个简单的例子。

在 data1 中，您可以看到 'Group' X 'Class' 组合的 'School' 编号和 'Size'。 在 data2 中，您有关于每个“组”X“类”组合的“基金”和“比率”的信息。在 data2 中，您还具有等于采样帧的 'WEIGHT'，也就是说，不同的 'ID' 具有不同的“权重”或重要性。

我希望创建如下所示的 data3：

总的来说，我希望 data3 有 sum(data1$Size) 行。我希望从 data1 复制每个“学校”X“组”X“班级”组合的“大小”行。然后我希望从data2中用'Group' X 'Class' 'Funds'和'Ratio'替换样本，使用WEIGHTS来告知选择每一行的概率，以填写data3。

Answer 1

这是data.table 的一个选项，我们根据“大小”列扩展数据1，然后按“组”、“类”拆分两个数据集，并使用 Map 根据概率在第一个数据集中创建列使用WEIGHT/sum(WEIGHT) 创建，用于在sample 中对“资金”、“比率”列值进行采样，分配（:=）以在list 中创建新列，最后在rbind @987654327 中创建新列@rbindlist`

library(data.table)
dt1 <- setDT(data1)[rep(seq_len(nrow(data1)), Size)]
lst1 <- split(dt1, dt1[, .(Group, Class)])
lst2 <- split(data2, data2[c('Group', 'Class')], drop = TRUE)

out <- rbindlist(Map(function(x, y) {
            prb = y$WEIGHT/sum(y$WEIGHT)
            x[, c('Funds', 'Ratio') := 
           .(sample(y$Funds,  size = .N, replace = TRUE, prob=prb), 
            sample(y$Ratio,  size = .N, replace = TRUE, prob=prb) )]}, 
            lst1, lst2[names(lst1)]))

out[, Size := NULL]
sum(data1$Size)
#[1] 9750
nrow(out)
#[1] 9750