Question

我有两个数据框。一个数据框（Partners.Missing）包含195个合作伙伴（已婚，事实上等），我需要使用第二个数据框（NAsOnly）中的随机选择来构建合作伙伴。

Partners.Missing数据框信息是：

 str(Partners.Missing)
 'data.frame':  195 obs. of  8 variables:
  $ V1         : Factor w/ 2 levels "Female","Male": 1 1 1 2 1 1 1 2 2 2 ...
  $ V2         : Factor w/ 9 levels "15 - 17 Years",..: 4 4 7 7 4 4 7 3 7 4 ...
  $ V3         : Factor w/ 1 level "Partnered": 1 1 1 1 1 1 1 1 1 1 ...
  $ V4         : Factor w/ 7 levels "Eight or More Usual Residents",..: 1 1 5 2 1 1 1 1 2 5 ...
  $ V5         : Factor w/ 8 levels "1-9 Hours Worked",..: 8 4 8 6 7 8 7 5 4 6 ...
  $ SEX        : chr  "Male" "Male" "Male" "Female" ...
  $ Ageband    : num  4 4 7 7 4 4 7 3 7 4 ...
  $ Inhabitants: num  8 8 6 5 8 8 8 8 5 6 ...

因为V2是年龄段的因素，我创建了Ageband变量，它是V2的重新编码，以便最年轻的年龄组（15 - 17岁）为1，下一个最老的是2，等等。Inhabitants是V4的重新编码，再次构造一个数字变量。 Sex是二进制“男性”/“女性”。

第二个数据框（NAsOnly）的信息是：

 str(NAsOnly)
 'data.frame':  762 obs. of  7 variables:
  $ SEX         : Factor w/ 3 levels "Female","Male",..: 2 2 2 2 2 2 2 2 2 2 ...
  $ AGEBAND     : Factor w/ 13 levels "0 - 4 Years",..: 3 3 3 3 3 3 3 3 3 3 ...
  $ RELATIONSHIP: Factor w/ 4 levels "Non-partnered",..: 3 3 3 3 1 1 1 1 1 1 ...
  $ INHABITANTS : Factor w/ 9 levels "Eight or More Usual Residents",..: 7 7 3 2 9 9 9 9 7 7 ...
  $ HRSWORKED   : Factor w/ 9 levels "1-9 Hours Worked",..: 1 8 6 3 1 2 3 6 3 4 ...

我可以创建新变量，以便Ageband中的Inhabitants和NAsOnly具有相同的结构，用于匹配。但我仍然坚持如何匹配。我想做的事情 - 对于Partners.Missing中的每一行 - 是使用以下标准从NAsOnly随机抽样观察：

SEX对面（Partners.Missing中的“女性”与NAsOnly中的“男性”匹配）
“女性”合作伙伴（无论他们来自哪个数据框）与“男性”合作伙伴处于同一年龄段或一个年轻人中
Inhabitants的数量完全匹配，因此来自5人家庭的“女性”只会与来自5人家庭的“男性”（正确年龄段）相匹配< / LI> RELATIONSHIP中的
NAsOnly只能是“合作伙伴”（“非合作”和“其他地方不包含”也是该数据框中的有效变量条目）*。

所以我想要一对一的比赛，我需要比赛是随机抽签而不是第一场比赛。这样做195次，Partners.Missing中每次观察一次，以便他们的伴侣不再失踪。

我也不能使用第一个或最后一个匹配，因为NAsOnly中可能有许多行根据我的标准匹配 - 它必须是随机抽取，否则相同的观察将被绘制每次都来自NAsOnly。基本上，像NAsOnly替换的随机抽样。采样观测是否用于构建匹配的第三个数据帧，或者是否将采样的观测值作为附加列添加到Partners.Missing无关紧要。

*它有四个级别，因为原始较大的数据框具有Totals行，因此第四个（和未使用的）级别为“Total”。

更新：我试图写一个for next循环来做这件事，但它没有按预期工作。代码是：

 for(i in 1:1) {
   row <- Partners.Missing[i,]
   if(row$V1=="Female")
   matched <- data.frame(row$SEX[i]==Partnered.Censored$SEX &
             row$Inhabitants[i]==Partnered.Censored$Inhabitants &
           (row$Ageband[i]==Partnered.Censored$Ageband | row$Ageband[i]==Partnered.Censored$Ageband+1)
   )
   else
   matched <- data.frame(row$SEX[i]==Partnered.Censored$SEX &
           row$Inhabitants[i]==Partnered.Censored$Inhabitants &
           (row$Ageband[i]==Partnered.Censored$Ageband | row$Ageband[i]==Partnered.Censored$Ageband-1)
   )
 }

这会将单个列输出到名为data frame的{{1}}，matched或TRUE作为277行的单个列中的输入，表示该行的索引是否为FALSE是否匹配。一旦我将i的最大值增加到2（知道我有195行），我得到Partnered.Censored作为输出。我还有以下问题：

我希望使用与NA匹配的行而不是输出布尔结果
然后，我希望从匹配的行中随机抽样以生成新的合作伙伴
然后重复Partnered.Censored中的每一行。

我也遇到了增加Partners.Missing最大值的问题，例如到2，覆盖i FALSE TRUE/ NA`的单列。

Answer 1

在过去的几天里，这一直是我的首要考虑，我似乎已经使用以下代码解决了这个问题。我要离开这个问题并回答，以防万一其他人需要这样做。

 for(i in 1:nrow(Partners.Missing)) {
   row <- Partners.Missing[i,]
   result <- merge(row, Partnered.Censored, by=c("SEX","Inhabitants"),suffixes=c(".r",".c"))
   if (row$V1=="Female") {
     result<- subset(result, Ageband.r==Ageband.c | Ageband.r==Ageband.c-1)
   }
   if (row$V1=="Male") {
    result<- subset(result, Ageband.r==Ageband.c | Ageband.r==Ageband.c+1)
   }
   j <- sample(1:nrow(result),1)
   if(i == 1) {
     Matched.Partners <- result[j,]
   }
   if (i > 1) {
   Matched.Partners <- rbind(Matched.Partners,result[j,])
   }
 }

向需要此答案的任何人解释此代码，并了解社区是否有更好的答案，对于Partners.Missing中的每个人，都会创建一个包含该人信息的临时矢量。基于两个将匹配的变量 - 失踪者的性别和家庭中的居民数量 - 构建一对多联接。然后，根据Partners.Missing中的人是女性还是男性，匹配的结果仅保留给具有正确年龄段的潜在合作伙伴。然后，代码定位已识别的潜在合作伙伴的数量，并生成1和该数字之间的随机整数。这用于提取随机匹配的人并将其放入输出数据框中。由于在运行此代码之前输出数据框（Matched.Partners）不存在，因此第一个循环将创建具有第一行的数据框。每隔一段时间，数据框已经存在，因此附加了新的匹配。

我不会对我的问题或答案进行投票。

从一个数据帧到另一个数据帧的条件随机匹配

1 个答案: