Question

我想为每个区域选择一个随机网站，创建一个新的数据框，然后重复这些过程，直到对所有网站进行采样。因此，每个数据框不会包含来自同一区域的同一网站。

我的实际数据框中的一些区域拥有的网站数量超过其他区域（区域C有4个网站）。我想删除那些行（也许我应该在制作多个数据帧之前执行此操作）。

以下是一个示例数据框（实际数据框有> 100个区域，每个区域有> 10个网站）：

mydf <- read.table(header = TRUE, text = 'V1 V2 Region Site 
5 1 A X1
5 6 A X2
8 9 A X3
2 3 B X1
3 1 B X2
7 8 B X3
1 2 C X1
9 4 C X2
4 5 C X3
6 7 C X4')

重复以下代码三次会生成包含给定Region的相同Sites的数据框（第二个和第三个表都包含A区的X2站点）。

do.call(rbind, lapply(split(mydf, mydf$Region), function(x) x[sample(nrow(x), 1), ]))

  V1 V2 Region Site
A  8  9      A   X3
B  2  3      B   X1
C  6  7      C   X4

V1 V2 Region Site
A  5  6      A   X2
B  7  8      B   X3
C  9  4      C   X2

  V1 V2 Region Site
A  5  6      A   X2
B  3  1      B   X2
C  6  7      C   X4

您能帮我创建多个数据框，以便所有数据框都包含所有区域，但每个数据框都包含唯一的区域 - 站点组合。

编辑：这是预期的输出。为了生成这些，在第一次采样中，从每个区域随机绘制一个站点（行）并创建数据框。在第二次采样中，重复相同的过程，但不能绘制给定区域的相同站点。我想要的是包含Region-Site唯一组合的独立数据框。

V1 V2 Region Site
5 1 A X1
7 8 B X3
1 2 C X1

V1 V2 Region Site
5 6 A X2
3 1 B X2
4 5 C X3

V1 V2 Region Site
8 9 A X3
2 3 B X1
9 4 C X2

Answer 1

伟大的data.table包实际上让这很容易

# Turn mydf into a data.table 
library(data.table)
setDT(mydf)

# Shuffle the rows of the table
dt <- dt[sample(.N)]

# In case there are multiple rows for a given Region <-> Site pair,
# eliminate duplicates.
dt <- unique(dt, by = c('Region', 'Site'))

# Get the first sample from each region group
# Note: .SD refers to the sub-tables after grouping by Region
dt[, .SD[1], by=Region]

# Get the second and third sample from each region group
dt[, .SD[2], by=Region]
dt[, .SD[3], by=Region]

事实上，正如弗兰克建议的那样，你可以组合成一个单行的

library(data.table)
dt <- setDT(mydf)
dt <- unique(dt, by = c('Region', 'Site'))
dt[sample(.N), .SD[1:3], by = Region]

Answer 2

有效！我没有看到接受答案的复选标记，所以我在这里做。

每组随机抽样，制作新的数据帧，重复直到对组内的所有实体进行采样

2 个答案: