Question

这是我的假设数据框;

location<- as.factor(rep(c("town1","town2","town3","town4","town5"),100))
visited<- as.factor(rbinom(500,1,.4)) #'Yes or No' variable
variable<- rnorm(500,10,2)
id<- 1:500
DF<- data.frame(id,location,visited,variable)

我想创建一个新的数据框，其中每个位置的0和1的数量相等。我想通过对每个位置随机抽取0来实现这一目标（因为0比1更多）。

我发现这个解决方案是按组进行采样;

library(plyr)
ddply(DF[DF$visited=="0",],.(location),function(x) x[sample(nrow(x),size=5),])

我为size参数输入了'5'，因此代码会运行，但我无法弄清楚如何将'size'参数设置为等于DF $访问的观察数== 1。

我怀疑答案可能出在我审核过的其他问题中，但是对我来说实施起来有点太高级了。

感谢您的帮助。

Answer 1

使用ddply的关键是理解它会：

将原始数据框按分组缩小为较小的数据框，
然后，对于每个组，它将调用您给它的函数，其作用是将该数据框转换为新的数据框*
最后，它会将所有小变形数据帧重新拼接在一起。

考虑到这一点，这是（我认为）解决您的问题的方法。

sampleFunction <- function(df) {
  # Determine whether visited==1 or visited==0 is less common for this location, 
  # and use that count as our sample size.
  n <- min(nrow(df[df$visited=="1",]), nrow(df[df$visited=="0",]))
  # Sample n from the two groups (visited==0 and visited==1).
  ddply(df, .(visited), function(x) x[sample(nrow(x), size=n),])
}

newDF <- ddply(DF,.(location),sampleFunction)

# Just a quick check to make sure we have the equal counts we were looking for.
ddply(newDF, .(location, visited), summarise, N=length(variable))

如何运作

主ddply只会按位置缩短DF并应用sampleFunction，这会带来繁重的工作。

sampleFunction获取一个较小的数据框（在您的情况下，每个位置一个），并从中获取相同数量的visited==1和visited==0。它是如何做到的？通过第二次调用ddply：这次，使用location将其分解，以便我们可以从1和0进行采样。

另外请注意，我们根据每个位置（0或1）的出现次数较少来计算每个位置的样本大小，因此即使不总是超过1，也可以使用此解决方案。

逐组采样数据的子集，样本大小等于数据帧的另一个子集

1 个答案:

如何运作