Question

以下是我要做的事情：

创建一个新列，根据每个子集中的行数将样本排名分配给多个行的子集。分组变量是＆＃39; stratum＆＃39;列。

我通常使用嵌套的ifelse语句随机分配排名，如下所示。有时这足够了，但最近，我一直在处理越来越多的分组。 40个嵌套的ifelse语句可能看起来有点过分。

是否有更优雅/更快/最少的代码方式使用dplyr或data.table，可能与apply，lapply，sapply等一起使用？

我曾尝试使用data.table语句，但我不知道如何使用nrow插入示例函数。

可重复数据：

dta <- data.frame(
     uniqueID = c(950513, 951634, 951640, 951641,951646, 952732, 952895, 952909, 952910, 952911, 952912,952923, 952924, 952925, 952926, 952927, 952928L, 952933, 
           952934, 952935),
     stratum = c("group9","group6","group15","group13","group9","group8","group9","group15","group15","group15","group15", "group13", "group13", 
          "group1", "group1", "group1", "group1", "group1", "group1", "group1")
)

以下是我通常使用netsed ifelse语句分配随机排名的方法：

dta<- dta[order(dta$stratum),]  
set.seed(7265)                                                                                                                 

dta$rank <- ifelse(dta$stratum== "group1",sample(1:nrow(dta[dta$stratum== "group1",])),
               ifelse(dta$stratum=="group6",sample(1:nrow(dta[dta$stratum== "group6",])),
                      ifelse(dta$stratum=="group8",sample(1:nrow(dta[dta$stratum== "group8",])),
                             ifelse(dta$stratum=="group9",sample(1:nrow(dta[dta$stratum== "group9",])),
                                    ifelse(dta$stratum=="group13",sample(1:nrow(dta[dta$stratum== "group13",])),
                                           ifelse(dta$stratum=="group15",sample(1:nrow(dta[dta$stratum== "group15",])),
                                                  0))))))

Answer 1

使用dplyr，您可以

library(dplyr)
dta %>% 
    group_by(stratum) %>% 
    mutate(rank=sample.int(n()))

group_by允许您一次对一部分行进行操作，我们使用n()中内置的dplyr函数来获取每个组中的行数。我选择使用效率更高的sample.int而不是sample，但它基本上做同样的事情。

一般情况下，case_when()中使用dplyr可以更好地处理嵌套的if-else语句，但使用group_by()

可以更好地处理这种情况

Answer 2

考虑基数R by，旨在按因子分割数据帧：

dta$rank <- unlist(by(dta, dta$stratum, FUN=function(df) sample(1:nrow(df))))

#    uniqueID stratum rank
# 14   952925  group1    6
# 15   952926  group1    2
# 16   952927  group1    1
# 17   952928  group1    3
# 18   952933  group1    5
# 19   952934  group1    7
# 20   952935  group1    4
# 4    951641 group13    2
# 12   952923 group13    1
# 13   952924 group13    3
# 3    951640 group15    1
# 8    952909 group15    3
# 9    952910 group15    5
# 10   952911 group15    2
# 11   952912 group15    4
# 2    951634  group6    1
# 6    952732  group8    1
# 1    950513  group9    2
# 5    951646  group9    1
# 7    952895  group9    3

Answer 3

使用data.table的解决方案：

library(data.table)
setDT(dta)[, rank := sample(1:.N), stratum]

 #     uniqueID stratum rank
 #  1:   952925  group1    4
 #  2:   952926  group1    2
 #  3:   952927  group1    1
 #  4:   952928  group1    6
 #  5:   952933  group1    7
 #  6:   952934  group1    3
 #  7:   952935  group1    5
 #  8:   951641 group13    2
 #  9:   952923 group13    1
 # 10:   952924 group13    3
 # ...

<强>解释

将对象转换为data.table（setDT()）
每组的样本排名（, stratum]）从1到.N（每组中有多少行）

优雅的方法为多个组执行嵌套if else语句

3 个答案: