重新采样可变长度组，使组长度相等（R，dplyr）

Question

我有一个数据集，其中各组之间的行数可能不同。我需要在每个组内随机抽样并放回，以便行数等于预定值。

下面我有一个示例 DATA 和所需的 RESULT table。在此示例中，我需要对每个组进行随机抽样，以便每个 SITE 有 4 行。此外，因为 SITE$A 已经有 4 行，所以不应该重新采样。

请注意 RESULT table 如何保留 STUFF:STUFF3 各列的数据顺序。我更喜欢使用 dplyr 的答案，因为我广泛使用这个包，但我对其他解决方案持开放态度。

  NUMBER = 4

    DATA = data.frame(SITE = c("A","A","A","A","B","B","B","C","C"),  
                      STUFF = c(1, 2, 30, 40, 100, 200, 300, 5000, 6000),
                      STUFF2 = c(2, 4, 60, 80, 200, 400, 600, 10000, 12000),
                      STUFF3 = c(4, 8, 120, 160, 400, 800, 1200, 20000, 24000))



   RESULT = data.frame(SITE = c("B","C","C"), 
                    STUFF = c(200, 5000, 5000),
                    STUFF2 = c(400, 10000, 10000),
                    STUFF3 = c(800, 20000, 20000))

我尝试了以下代码的各种迭代......但没有成功。提前致谢。

RESULT = group_by(DATA, SITE)%>%
  sample_n(NUMBER - length(.), replace = TRUE)

Answer 1

如果我对问题的理解正确，RESULT 是 DATA 的某种补充数据框，例如当组合在一起时，它们将为每个组生成 4 行。

NUMBER <- 4

set.seed(1234)

RESULT2 <- DATA %>%
  group_by(SITE) %>%
  mutate(n = n(),
         sampsize = as.numeric( ifelse(n>=NUMBER,0,NUMBER-n)) ) %>%
  do( sample_n(., size=.$sampsize[1], replace=TRUE ) ) %>%
  select( -n, -sampsize ) %>%
  ungroup()

RESULT2

产生这个：

Source: local data frame [3 x 4]

  SITE STUFF STUFF2 STUFF3
1    B   100    200    400
2    C  6000  12000  24000
3    C  6000  12000  24000

如果需要完整的数据集（将 DATA 和 RESULT 合并为一个 data.frame 并具有特定排序要求的数据集），则可以使用以下内容：

NUMBER <- 4

set.seed(1234)

RESULT3 <- DATA %>%
  group_by(SITE) %>%
  mutate(n = n(),
         sampsize = as.numeric( ifelse(n>=NUMBER,0,NUMBER-n)) ) %>%
  do( rbind(.,sample_n(., size=.$sampsize[1], replace=TRUE )) ) %>%
  select( -n, -sampsize ) %>%
  ungroup()

RESULT3

产生这个：

Source: local data frame [12 x 4]

   SITE STUFF STUFF2 STUFF3
1     A     1      2      4
2     A     2      4      8
3     A    30     60    120
4     A    40     80    160
5     B   100    200    400
6     B   200    400    800
7     B   300    600   1200
8     B   100    200    400
9     C  5000  10000  20000
10    C  6000  12000  24000
11    C  6000  12000  24000
12    C  6000  12000  24000

请注意，如果 NUMBER 小于组中的记录数 RESULT3 将显示整个组未修改。

Answer 2

这是结合了 mutate 语句的 @akhmed 代码版本。我必须在 dplyr 中使用 do 函数变得更好。谢谢。

RESULT4 <- group_by(DATA, SITE) %>%
      mutate(sampsize = NUMBER - n())%>%
      do (sample_n(., size = .$sampsize[1], replace=TRUE )) %>%
      select(-sampsize ) %>%
      ungroup()

重新采样可变长度组，使组长度相等（R，dplyr）

Re-sampling groups of variable lengths so that group lengths are equal (R, dplyr)

r

dplyr