根据因子水平和随机选择创建新变量

Question

我在尝试使用 sample 函数来完成我的任务时有点卡住，即从因子的每个级别中抽取 n 个随机行并基于此创建一个新变量，另一个变量的值。

一个简化的例子：

Subject = c("100","100","100","100", "100", "200", "200", "200", "200", "200")
Condition = c("Blue","Blue","Blue","Blue", "Blue", "Blue", "Blue", "Blue", "Blue", "Blue")
Response = rnorm(10)
df = data.frame(Subject,Condition, Response) 

这里的目标是为Subject 的每个级别抽取 3 个随机行，创建一个新变量，比如说Condition.Rand，其中随机选择的行标记为“红色”，其余的行标记为任何值在Condition - 在这种情况下，“蓝色”。因此，对于每个Subject，Condition.Rand 的 60% 将标记为“红色”，40% 将标记为“蓝色”。

为了清楚起见，我希望 恰好 3 个随机行（或 5 个观察值的 60%）为主题 100 标记为“红色”，并且 完全 3 个随机行标记为主题 200 的“红色”。

谢谢！

Answer 1

使用split 将df 划分为子组，并使用sample "Red" 和"Blue" 为每个子组分配所需的概率。

set.seed(42)
do.call(rbind, lapply(split(df, df$Subject), function(a)
 cbind(a,
  cond.rand = sample(c("Red","Blue"), size = nrow(a), replace = TRUE, prob = c(0.6,0.4)))))
#       Subject Condition   Response cond.rand
#100.1      100      Blue -1.7813084      Blue
#100.2      100      Blue -0.1719174      Blue
#100.3      100      Blue  1.2146747       Red
#100.4      100      Blue  1.8951935      Blue
#100.5      100      Blue -0.4304691      Blue
#200.6      200      Blue -0.2572694       Red
#200.7      200      Blue -1.7631631      Blue
#200.8      200      Blue  0.4600974       Red
#200.9      200      Blue -0.6399949      Blue
#200.10     200      Blue  0.4554501      Blue

Answer 2

我们也可以使用来自base R 的ave 来做到这一点

set.seed(42)
df1$cond.rand <-  with(df, ave(seq_along(Subject), Subject, FUN = function(x)
    sample(c("Red", "Blue"), size = length(x), replace = TRUE, prob = c(0.6, 0.4))))
df1$cond.rand
#[1] "Blue" "Blue" "Red"  "Blue" "Blue" "Red"  "Blue" "Red"  "Blue" "Blue"