Question

我想从一组预定义的ID中随机抽取两个ID。但是，在分组数据帧上使用sample和dplyr::filter会返回意外的结果“不同的样本大小”，例如，如果我执行sample(x,2)，有时会得到2，有时会得到不等于2的数字。 / p>

df <- structure(list(ID = c(1L, 1L, 1L, 2L, 2L, 3L, 3L, 4L, 4L, 4L, 
5L, 5L, 6L, 6L), Sub = structure(c(1L, 1L, 1L, 2L, 2L, 3L, 3L, 
4L, 4L, 4L, 5L, 5L, 6L, 6L), .Label = c("a", "b", "c", "d", "f", 
"g"), class = "factor")), class = "data.frame", row.names = c(NA, 
-14L))

samp.vec <- c(1,2,3,4,5)

library(dplyr)
set.seed(123)
#Return Different sample size, Not working
df %>% group_by(ID)%>%filter(ID %in% sample(samp.vec,2)) %>% count(ID)
df %>% group_by(ID)%>%filter(ID %in% sample(samp.vec,2)) %>% count(ID)

set.seed(123)
#Return one sample size, Working
df %>% group_by(ID)%>% ungroup() %>% filter(ID %in% sample(samp.vec,2)) %>% count(ID)
df %>% group_by(ID)%>% ungroup() %>% filter(ID %in% sample(samp.vec,2)) %>% count(ID)

一种解决方案是在ungroup()之前使用filter。有人知道为什么会这样吗？

Answer 1

分组时，将对每个组进行操作。因此，您不仅拥有一对ID，例如固定的 ID％in％c（2，3）。为了更清楚一点，我们省略filter并查看sample(samp.vec, 2)的结果，

df %>% 
 group_by(ID) %>% 
 mutate(v1 =  toString(sample(samp.vec, 2)))

# A tibble: 14 x 3
# Groups:   ID [6]
#      ID Sub   v1   
#   <int> <fct> <chr>
# 1     1 a     2, 3 
# 2     1 a     2, 3 
# 3     1 a     2, 3 
# 4     2 b     1, 4 
# 5     2 b     1, 4 
# 6     3 c     3, 1 
# 7     3 c     3, 1 
# 8     4 d     4, 5 
# 9     4 d     4, 5 
#10     4 d     4, 5 
#11     5 f     4, 2 
#12     5 f     4, 2 
#13     6 g     2, 4 
#14     6 g     2, 4

因此它将过滤每个组的2个ID。因此，有时您会有2个，有时3个，有时全部。

在分组的数据框中使用过滤器和样本

1 个答案: