对具有不同条件的 data.table 行进行采样

Question

我有一个包含多列的 data.table。这些列之一当前用作 'key'（例如 keyb）。另一列（假设 A）中可能有也可能没有数据。我想提供一个向量，每个键随机采样两行，-如果这个键出现在向量中，其中 1 行包含 A 中的数据，而另一行没有。

MRE：

#data.table
trys <- structure(list(keyb = c("x", "x", "x", "x", "x", "y", "y", "y", 
"y", "y"), A = c("1", "", "1", "", "", "1", "", "", "1", "")), .Names = c("keyb", 
"A"), row.names = c(NA, -10L), class = c("data.table", "data.frame"
))
setkey(trys,keyb)

#list with keys
list_try <- structure(list(a = "x", b = c("r", "y","x")), .Names = c("a", "b"))

例如，我可以根据出现在 list_try:

中的元素对 data.table 进行子集化

trys[keyb %in% list_try[[2]]]

我最初的（可能是低效的想法）是尝试链接每个键两行的样本，其中 A 列有数据或没有数据，然后合并。但它不起作用：

#here I was trying to sample rows based on whether A has data or not
#here for rows where A has no data
trys[keyb %in% list_try[[2]]][nchar(A)==0][sample(.N, 2), ,by = keyb]
#here for rows where A has data
trys[keyb %in% list_try[[2]]][nchar(A)==1][sample(.N, 2), ,by = keyb]

在这种情况下，我的预期输出将是两个 data.table（一个用于 a，一个用于 list_try 中的 b），每次出现两行元素：因此来自 a 的 data.table 将有两行（A 中有数据和没有数据），来自 b 的有四行（A 中有两行有数据，两行没有数据).

如果我能让这个post更清楚，请告诉我

Answer 1

您也可以将 A 添加到 by 语句中，同时通过修改为 A != "" 将其转换为二进制向量，并结合二进制连接（同时添加 nomatch = 0L 以便删除不匹配项）然后您可以通过这两个聚合器从行索引 .I 中采样，然后从原始数据集

中提取子集

对于单个子集案例

trys[trys[list_try[[2]], nomatch = 0L, sample(.I, 1L), by = .(keyb, A != "")]$V1]
#    keyb A
# 1:    y 1
# 2:    y  
# 3:    x 1
# 4:    x

对于更一般的情况，当您想根据键列表创建单独的数据集时，您可以轻松地将其嵌入 lapply

lapply(list_try, 
       function(x) trys[trys[x, nomatch = 0L, sample(.I, 1L), by = .(keyb, A != "")]$V1]) 
# $a
# keyb A
# 1:    x 1
# 2:    x  
# 
# $b
# keyb A
# 1:    y 1
# 2:    y  
# 3:    x 1
# 4:    x

对具有不同条件的 data.table 行进行采样

sample data.table rows with different conditions

r

data.table

sample

random-sample