dplyr 使用 if else 有条件地按组过滤

Question

在 dplyr 中使用 group_by 后，如果行数少于 x，我想使用 filter 对组中的所有行进行采样，而如果行数超过 x，我想对特定数字进行子采样来自这些组的行数。我将使用按净度分组的钻石数据集进行说明。

diamonds %>%
    group_by(clarity) %>%
    summarise(count = n())
# A tibble: 8 x 2
  clarity count
  <ord>   <int>
1 I1        741
2 SI2      9194
3 SI1     13065
4 VS2     12258
5 VS1      8171
6 VVS2     5066
7 VVS1     3655
8 IF       1790

使用此示例，如果清晰度组的行数为 5066 或更少，我想对所有行进行采样，而在超过 5066 行的组中，我想使用 sample_n 而不替换以随机采样 5000 行。仅当size 等于或小于最小组中的行数时，没有替换的sample_n 才有效。在尝试了很多事情后我被困住了，但这是我思考过程的一个例子。

diamonds %>%
  group_by(clarity) %>%
  if_else(n() > 5066, sample_n(size = 5000, replace = F), filter())

我对 dplyr 还很陌生，而且总体上仍然熟悉 R。我确信这是相对容易的事情，但我没有看到发布的明确解决方案。提前致谢！

编辑：

我非常想要以下代码的输出，但在一行代码中。

# groups below or equal to 5066
low_sample_groups <- diamonds %>%
  group_by(clarity) %>% 
  filter( n() <= 5066)

# groups above 5066
high_sample_groups <- diamonds %>%
  group_by(clarity) %>% 
  filter( n() > 5066) %>%
  sample_n(size = 5000, replace = F)

desired_result <- full_join(low_sample_groups, high_sample_groups)

编辑第 2 轮

在这里找到了我想要的答案：custom grouped dplyr function (sample_n)

基本上这是使用 if 语句的解决方案

n <- 5066
desired_result <- diamonds %>%
  group_by(clarity) %>% 
  sample_n(if(n() < n) n() else n)

Answer 1

我们可以从split开始按所需变量“分组”数据框，然后根据每个组内的观察数量应用“map”条件抽样。

diamonds %>% split(.$clarity) %>% 
             map(function(x) if (nrow(x) <= 5066) sample_n(size = nrow(x), replace = F,x) else sample_n(size = 5000, replace = F,x)) %>% bind_rows()

更简洁

Sample_FUN <- function(x){
              if (nrow(x) <= 5000) sample_n(size = nrow(x), replace = F,x) 
              else sample_n(size = 5066, replace = F,x)
              } 

diamonds %>% split(.$clarity) %>% map(Sample_FUN) %>% bind_rows()