Question

这个问题与How do you sample random rows within each group in a data.table?非常相似。

差异在于一个微小的微妙之处，我没有足够的声誉来讨论这个问题本身。

让我们稍微改变一下Christopher Manning的初始数据：

> DT = data.table(a=c(1,1,1,1:15,1,1), b=sample(1:1000,20))
> DT
     a   b
 1:  1 102
 2:  1   5
 3:  1 658
 4:  1 499
 5:  2 632
 6:  3 186
 7:  4 761
 8:  5 150
 9:  6 423
10:  7 832
11:  8 883
12:  9 247
13: 10 894
14: 11 141
15: 12 891
16: 13 488
17: 14 101
18: 15 677
19:  1 400
20:  1 467

如果我们尝试了问题的解决方案：

> DT[,.SD[sample(.N,3)],by = a]
 Error in sample.int(x, size, replace, prob) : 
  cannot take a sample larger than the population when 'replace = FALSE'

这是因为列a中的值只出现一次。如果不使用替换（我们不想这样做），我们不能对不到三次的值进行3次采样。

我正在努力应对这种情况。我们想要在出现次数> = 3时进行3次采样，但是如果它是＆lt; 3，则将出现次数拉出来。 3.例如我们的DT需要：

也许解决方案可能涉及sorting这样的data.table，然后使用rle() lengths找出上面示例函数中使用的n：< / p>

> DT <- DT[order(DT$a),]
> DT
     a   b
 1:  1 102
 2:  1   5
 3:  1 658
 4:  1 499
 5:  1 400
 6:  1 467
 7:  2 632
 8:  3 186
 9:  4 761
10:  5 150
11:  6 423
12:  7 832
13:  8 883
14:  9 247
15: 10 894
16: 11 141
17: 12 891
18: 13 488
19: 14 101
20: 15 677

> ifelse(rle(DT$a)$lengths >= 3, 3,rle(DT$a)$lengths)
> [1] 3 1 1 1 1 1 1 1 1 1 1 1 1 1 1

如果我们用n替换“3”，这将返回我们应该从a = 1，a = 2，a = 3 ... 我还没有找到将其纳入最终解决方案的方法。任何帮助将不胜感激！

Answer 1

我可能误解了你的问题，但是你在找这样的东西吗？

set.seed(123)
##
DT <- data.table(
  a=c(1,1,1,1:15,1,1), 
  b=sample(1:1000,20))
##
R> DT[,.SD[sample(.N,min(.N,3))],by = a]
     a   b
 1:  1 288
 2:  1 881
 3:  1 409
 4:  2 937
 5:  3  46
 6:  4 525
 7:  5 887
 8:  6 548
 9:  7 453
10:  8 948
11:  9 449
12: 10 670
13: 11 566
14: 12 102
15: 13 993
16: 14 243
17: 15  42

如果b包含三个或更多值，我们会从a_i为小组a_i绘制3个样本，否则我们只会绘制n个值，其中n }（n < 3）是组a_i的大小。

仅供演示，以下是我们正在采样的b的{{1}}的6个可能值（假设您使用与上述相同的随机种子）：

a=1

如何使用警告对data.table中的组进行采样

1 个答案: