Question

我正在R中使用长格式数据集。我有关于变量（城市）的信息，每一行都是年龄，性别和更多信息的个人。现在，我想创建一个变量，该变量可以为0或1，并且我希望0和1的分布接近50/50的分布。

我的数据与此类似。城市变量的长度不必与长度相同。

   Sample    City    Age   Sex
   1        City_a   15     M
   2        City_a   27     F
   3        City_a   25     M
   4        City_b   20     M

我想得到类似的东西：

   Sample    City    Age   Sex   Random_g
   1        City_a   15     M      0 
   2        City_a   27     F      0
   3        City_a   25     M      1
   4        City_b   20     M      1

我从以下步骤开始，但是由于我将尺寸设置为1而无法正常工作，我不知道该将其设置为什么。

library(tidyverse)
df %>% 
group_by(City) %>% 
mutate(Random_g =sample(c(0,1), replace=TRUE,size=1))

尝试了以下方法，但0/1的分布可以是任意值：

df %>% 
rowwise() %>% 
mutate(Random_g =sample(c(0,1), replace=TRUE,size=1))

编辑：所以我注意到我的写法可能有点混乱。其中一些城市可以包含300个样本（在这种情况下，我希望有150 0和150 1），而有些则有1000个样本。

Edit2：使用Jimbou示例解决该问题：

  df%>%
  group_by(City) %>% 
  mutate(Rand_g=sample(c(0,1),length(Age), replace=TRUE, prob = c(0.5,0.5)))

Answer 1

我的评论更加笼统：

mtcars %>% 
  group_by(cyl) %>% 
  mutate(randomgroup = ifelse(sample(1:n(), n()) <= n() / 2, 1, 0))

这给您每个缸1和0的数量相等，并且如果缸中行数不均，它会额外增加1。

Answer 2

您可以尝试

df%>%
  mutate(Rand_g=sample(0:1, n(), replace=TRUE, prob = c(0.5,0.5)))

group_by(City) %>%不是必需的，因为law of large numbers表示两组中的数字都收敛到50％。大概...（我不是统计学家）

创建长格式的随机组变量

2 个答案: