来自data.table的示例

Question

我有一些data.table，我想从中选择一个随机子集，但仅用于某些操作。

假设数据是

dat <- data.table(id=1:100, group=sample(1:20,100, replace=TRUE), a=runif(100), b=rnorm(100))

我想做两件事：

1. 计算每个组的ID数量
2. 从每个组中随机选择一个id，并将其值记录在a和b上

我可以关注How do you extract a few random rows from a data.table on the fly并选择

dat[n=.N, a=a[sample(.N,1)], b=b[sample(.N,1)], group]

但是，恐怕这会彼此独立地选择a和b。有没有选择相同的方法？

Answer 1

第1部分

如果您要计算唯一ID的数量，并且某些ID在组内重复

dat[, .(n_ids = uniqueN(id)), group]

如果ID在组内不重复，或者您不想唯一地对它们进行计数

dat[, .(n_ids = .N), group]

第2部分

如果id在组内重复，并且您想返回每个组中随机选择的id的所有行

dat[dat[, .(id = sample(id, 1)), group], on = .(id, group)]

如果ID不重复，或者无论如何您只希望每组一行

dat[dat[, sample(.I, 1), group]$V1]

---

感谢弗兰克（Frank）的评论，您也可以在一行中为上述第1和第2部分做第二个选择。这样返回的行类似于dat[dat[, sample(.I, 1), group]$V1]，但还会添加一列N，其中显示了ID的数量（假定等于组中的行数）

dat[sample(.N), c(.SD[1], .N), keyby=group]