Question

在对我之前提出的问题提出了一些很好的回复 - selecting n random rows across all levels of a factor within a dataframe - 我一直在考虑延长这个问题。

上一个问题试图从特定因子的每个级别中随机抽样n行/观察值，并将所有信息组合在一个新的数据帧中。

然而，对于某些类型的数据，这种随机抽样可能不是最佳的。在这里，我想再次为特定因子的每个级别选择n行/观察。这里的主要区别是从特定因子的每个级别中选择的行/观察值应连续。

这是一个示例数据集：

id<-sample(1:20, 100, replace = TRUE)
dat<-as.data.frame(id)
color <-  c("blue", "red", "yellow", "pink", "green", "orange", "white", "brown")
dat$colors<- sample(color, 100, replace = TRUE)

要添加到此示例，数据集是每个观察的时间戳。这些将构成我希望采样的顺序。我正在使用此线程中建议的函数 - efficiently generate a random sample of times and dates between two dates - 为此目的：

randomts <- function(N, st="2013/12/09", et="2013/12/14") {
st <- as.POSIXct(as.Date(st))
et <- as.POSIXct(as.Date(et))
dt <- as.numeric(difftime(et,st,unit="sec"))
ev <- sort(runif(N, 0, dt))
rt <- st + ev
}

dat$ts<-randomts(100)

我不确定这是否有必要，但也可以添加一个给出“＆＃39;日”的变量。这是我希望从各个层面抽样的因素。

temp<-strsplit(as.character(dat$ts), " ")
mat<-matrix(unlist(temp), ncol=2, byrow=TRUE)
df<-as.data.frame(mat)
colnames(df)<-c("date", "time")
dat<-cbind(df, dat)

mindate<-as.Date(min(dat$date))
dates<-as.Date(dat$date)
x<-as.numeric(dates-mindate)
x<-x+1 
dat$day<-x  
as.factor(dat$day) #in this example data there are 6 levels to 'day'.

#EDIT there may be 5 levels to day - depends on how data randomly generated by function

原帖没有准确计算一天。这虽然不完美但更好。似乎没问题，但第一天是day = 0，什么时候想成为day = 1

总结一下，问题是这个。我想创建一个新的数据框，其中包含例如从数据帧的因子日的每个级别随机抽样5个连续的观察结果＆＃34; dat＆＃34; （即每天取5次随机连续观察）。因此，新数据框将有30个观测值。另外需要注意的是，如果我想要采样，例如连续20次观察，特定级别只有15次观察，然后全部15次返回，没有替换。

我试图用seq_along来解决这个问题。我似乎能够一次为一个变量工作 - 例如如果从颜色中采样：

x <-  sample(seq_along(dat$colors),1)
dat$colors[x:(x+4)]

这将生成一个随机抽样的5种连续颜色的变量颜色列表。

我无法将此应用于手头的问题。我尝试修改上一个问题selecting n random rows across all levels of a factor within a dataframe的一些答案 - 但似乎无法确定seq_along在任何问题中的正确位置。

Answer 1

这应该采用颜色运行，假设您的data.frame按日期排序。这里N是您想要的每种颜色的数量。对于每个颜色组的运行，返回值keep将为TRUE。

N <- 5
keep <- with(dat, ave(rep(T, nrow(dat)), colors, FUN=function(x) {
    start <- sample.int(max(length(x)-N,1),1)
    end <- min(length(x), start+N-1)
    r <- rep(c(F,T,F), c(start-1, end-start+1, length(x)-end)) 
}))
dat[keep, ]

此方法不会查看任何day值。它只是找到N观察的随机运行。如果某个特定组的观察结果少于N，则每个类别的返回次数会减少。

在数据帧内的因子的所有级别上选择n个随机采样的连续行

1 个答案: