按关于 OID 的类拆分数据帧

Question

我尝试按类将数据帧拆分 50%。但是，我不想拆分具有相同 OID（对象标识符）的字段。我希望具有相同 OID 的字段位于同一集合中。

    #Data frame:
   "b1""b2""b3""CLASS"   "OID"
    110 134 119 "tree"      1
    112 133 118 "tree"      1
    105 125 110 "tree"      2
    112 132 117 "tree"      2
    109 125 115 "meadow"    6
    93  110 101 "meadow"    6
    86  106 95  "meadow"    7
    105 136 116 "meadow"    7
    102 128 111 "meadow"    8
    108 129 115 "meadow"    8
    113 134 119 "meadow"    8

预期数据：

#Expected:
    "b1""b2""b3""CLASS"   "OID"
    110 134 119 "tree"      1
    112 133 118 "tree"      1
    109 125 115 "meadow"    6
    93  110 101 "meadow"    6
    86  106 95  "meadow"    7
    105 136 116 "meadow"    7

Answer 1

这将选择每个组中的上半部分行，以及与该上半部分中的行具有相同 OID 的任何行。

library(dplyr)

df %>% 
  group_by(CLASS) %>% 
  filter(OID %in% head(OID, n() %/% 2)) %>% 
  ungroup

# # A tibble: 6 x 5
#      b1    b2    b3 CLASS    OID
#   <int> <int> <int> <chr>  <int>
# 1   110   134   119 tree       1
# 2   112   133   118 tree       1
# 3   109   125   115 meadow     6
# 4    93   110   101 meadow     6
# 5    86   106    95 meadow     7
# 6   105   136   116 meadow     7

如果你的真实数据像这个例子一样按照 OID 排列，你也可以使用top_frac

df %>% 
  group_by(CLASS) %>% 
  top_frac(.5, -OID)

# # A tibble: 6 x 5
#      b1    b2    b3 CLASS    OID
#   <int> <int> <int> <chr>  <int>
# 1   110   134   119 tree       1
# 2   112   133   118 tree       1
# 3   109   125   115 meadow     6
# 4    93   110   101 meadow     6
# 5    86   106    95 meadow     7
# 6   105   136   116 meadow     7

Answer 2

您的数据：

df = structure(list(b1 = c(110L, 112L, 105L, 112L, 109L, 93L, 86L, 
105L, 102L, 108L, 113L), b2 = c(134L, 133L, 125L, 132L, 125L, 
110L, 106L, 136L, 128L, 129L, 134L), b3 = c(119L, 118L, 110L, 
117L, 115L, 101L, 95L, 116L, 111L, 115L, 119L), CLASS = structure(c(2L, 
2L, 2L, 2L, 1L, 1L, 1L, 1L, 1L, 1L, 1L), .Label = c("meadow", 
"tree"), class = "factor"), OID = c(1L, 1L, 2L, 2L, 6L, 6L, 7L, 
7L, 8L, 8L, 8L)), class = "data.frame", row.names = c(NA, -11L
))

先创建一个函数，根据OID取1/2

func = function(x){
x[x$OID %in% x$OID[1:round(nrow(x)/2)],]
}

我们随机化 OID 的排序方式

df$OID = factor(df$OID,levels=sample(unique(df$OID)))
df = df[order(df$OID),]
do.call(rbind,by(df,df$CLASS,func))

这将确保您每次都随机获得 ~ 50%，并带有完整的 OID