通过 R 中的数据帧中的记录匹配向量值

Question

我有一个值向量 r 如下：

 r<-c(1,3,4,6,7)

和一个包含 20 条记录和两列的数据框 df：

 id<-c(1,2,3,4,5,6,7,8,9,10,11,12,13,1,4,15,16,17,18,19,20)
 freq<-c(1,3,2,4,5,6,6,7,8,3,3,1,6,9,9,1,1,4,3,7,7)
 df<-data.frame(id,freq)

使用 r 向量，我需要从 df 中提取记录样本（以新数据框的形式），其方式是 freq 的值记录，将等于我在 r 向量中的值。不用说，如果它找到多个具有相同 freq 值的记录，它应该随机选择其中一个。例如，一种可能的结果可能是：

   id     frequency
   12         1
   10         3
   4          4
   7          6
   8          7

如果有人能帮助我，我将不胜感激。

Answer 1

您可以使用 filter 和 sample_n 来自 "dplyr":

library(dplyr)
set.seed(1)
df %>% 
  filter(freq %in% r) %>% 
  group_by(freq) %>% 
  sample_n(1)
# Source: local data frame [5 x 2]
# Groups: freq
# 
#   id freq
# 1 12    1
# 2 10    3
# 3 17    4
# 4 13    6
# 5  8    7

Answer 2

你可以试试data.table

library(data.table)
setDT(df)[freq %in% r,sample(id,1L) , freq]

或使用base R

aggregate(id~freq, df, subset=freq %in% r, FUN= sample, 1L)

更新

如果您有一个包含重复值的向量 "r"，并且想要根据 'r'

中唯一元素的长度对数据集 ('df') 进行采样

  r <-c(1,3,3,4,6,7)
  res <- do.call(rbind,lapply(split(r, r), function(x) {
           x1 <- df[df$freq %in% x,]
           x1[sample(1:nrow(x1),length(x), replace=FALSE),]}))
  row.names(res) <- NULL

Answer 3

您是否尝试过使用 match() 函数或 %in%？这可能不是 fast/clean 解决方案，但仅使用 base R 函数：

rUnique <- unique(r)
df2 <- df[df$freq %in% rUnique,]
x <- data.frame(id = NA, freq = rUnique) 

for (i in 1:length(rUnique)) {
    x[i,1] <- sample(df2[df2[, 2] == rUnique[i], 1], 1)
}
print(x)

通过 R 中的数据帧中的记录匹配向量值

Matching vector values by records in a data frame in R

r

sampling

更新