定义案例的 R（分层）随机抽样答案

【问题标题】：R (Stratified) Random Sampling for Defined Cases定义案例的 R（分层）随机抽样
【发布时间】：2018-03-04 18:11:45
【问题描述】：

我有一个数据框：

DF <- data.frame(Value = c("AB", "BC", "CD", "DE", "EF", "FG", "GH", "HI", "IJ", "JK", "KL", "LM"),
                 ID    = c(1, 0, 0, 1, 0, 1, 1, 0, 0, 1, 0, 1))

我的问题：我想创建一个新列，其中包含一个（二进制）随机数（'0'或'1'）用于病例 'ID' == 1 具有固定比例（或预定义的流行率）（例如，随机数 '0' x 2 和 '1' x 4） .

编辑我： 对于非特定情况的目的，解决方案可能是：

DF$RANDOM[sample(1:nrow(DF), nrow(DF), FALSE)] <- rep(RANDOM, c(nrow(DF)-4,4))

但是，我仍然需要特定于 cas 的分配，并且上述解决方案没有明确引用“0”或“1”。

（注意：变量“value”与问题无关；只是一个标识符。）

我在 stratified sampling 或 random row selection 上找到了相关帖子 - 但这些（和其他）帖子并未涵盖这个问题。

非常感谢您。

【问题讨论】：

标签： r random sampling

【解决方案1】：

您可以先按大小写 ID == 1 对数据进行子集化。为确保 1 和 0 的出现，我们使用 rep 函数并在 sample 函数中将 replace 设置为 False。
这是一个解决方案。

library(data.table)
set.seed(121)
DF[ID == 1, new_column := sample(rep(c(0,1), c(2,4)), .N, replace = F)]
print(DF1)

     Value ID new_column
 1:    AB  1          1
 2:    BC  0         NA
 3:    CD  0         NA
 4:    DE  1          1
 5:    EF  0         NA
 6:    FG  1          1
 7:    GH  1          1
 8:    HI  0         NA
 9:    IJ  0         NA
10:    JK  1          0
11:    KL  0         NA
12:    LM  1          0

【讨论】：

是的，我知道。但是：我需要一个没有先前子集的解决方案，并且您使用概率（我需要固定比例 - 没有概率）。
我做了一些改动。做完 set.seed 后，prob 参数总是会生成相同数量的 1 和 0。既然你想随机生成 1 和 0，那么 1 出现 4 次，0 应该出现 2 次，这就是它的工作原理。
谢谢。但是“概率”部分呢（您计算了所提供数字的比例）。但我想要修复号码。最后，当您创建一个附加列时（例如， DF_1[ID == 1, new_column_additional := sample(c(0,1), .N, replace = T, prob = c(0.33,0.67))] ）结果错了。
我已经通过使用代表而不是概率添加了修复。请检查。
太棒了。这按预期工作。感谢您的快速回复和帮助。很好的解决方案。

【解决方案2】：

library(dplyr)
DF <- data.frame(Value = c("AB", "BC", "CD", "DE", "EF", "FG", "GH", 
                           "HI", "IJ", "JK", "KL", "LM"),
                 ID = c(1, 0, 0, 1, 0, 1, 1, 0, 0, 1, 0, 1), 
                 stringsAsFactors = FALSE)
DF %>% group_by(ID) %>% sample_n(4, replace = FALSE)

【讨论】：

您的示例不起作用，因为您没有参考定义的案例。
我编辑了我的答案。这是你要找的吗？
谢谢。不，因为您的示例不针对具体情况。