R- 每组随机采样行，直到达到最大行数答案

【问题标题】：R- Sample random row per group until reaching max number of rowsR- 每组随机采样行，直到达到最大行数
【发布时间】：2020-11-03 16:14:35
【问题描述】：

我有一个数据集，我想按组随机抽取最多 30 行的样本。但是，我还想确保至少包含 1 行用于另一个分组。此外，某些组的行数少于 30，在这种情况下，应包括该组的所有行。我无法包含我正在使用的确切数据集，因为它是专有的；但是，数据框 df 的示例是：

ID|年龄|州|性别|薪水

1 25 厘米 50000
2 34 厘米 72000
3 28 厘米 52000
4 25 CO F 44000
5 25 CA F 55000
6 34 CA F 100000
7 39 CA M 88000
8 34 CA M 59000
...最多 15000 行

所以，我想要一个数据集的随机样本，这样每个州给出的行数不超过 30 行。然后，对于每个州，我希望数据集中存在的每个年龄和性别至少有 1 行。如果给定州的年龄/性别组合少于 30 个，但该州的行数超过 30 行，则样本应包括给定年龄/性别的多行，以便为该州提供 30 行。如果该州的行数少于 30，那么我想要该州的数据集中的所有行。如果给定州的年龄/性别组合超过 30 个，则样本应各有 1 个，最多 30 个。

我有办法在 R 中做到这一点吗？

【问题讨论】：

欢迎来到 SO！发布问题时，您会发现提供易于重现的代码和您期望（或希望）结果的模拟版本最有帮助。例如，使用 dput(head(data,20)) 提供数据样本有助于我们更快地开始帮助您。

标签： r random dplyr sample

【解决方案1】：

这里有一些代码可以帮助您完成一半。首先，我模拟了与您的数据相似的数据。

df <-
  data.frame(
    ID = 1:1500,
    Age = sample(18:99, 1500, replace = TRUE),
    State = sample(state.abb, 1500, replace = TRUE),
    Gender = sample(c("M", "F"), 1500, replace = TRUE),
    Salary = sample(44:100 * 1000, 1500, replace = TRUE)
  )

然后使用group_by()，您可以创建状态分组，使用mutate() 和n() 确定每个状态的行。然后，该信息可用于使用sample_n() 抽取样本，并根据组大小进行调整。

library(dplyr)
df %>% 
  group_by(State) %>% 
  mutate(n_state = n()) %>% 
  sample_n(ifelse(n >= 30, 30, n))

这可以扩展为计算您提到的更多组大小，以使用该信息确保您达到所需的配额。不幸的是，我不完全了解您的问题的配额。

【讨论】：