按最小像元大小的 R 样本

Question

set.seed(1)
data=data.frame(SCHOOL = rep(1:10, each = 1000), GRADE = sample(7:12, r = T, size = 10000),SCORE = sample(1:100, r = T, size = 10000))

我有 'data'，其中包含有关学生考试成绩的信息。我希望：统计每所学校有多少个GRADE，然后对所有学校取GRADE的最小值。像这样：

对于每个学校，计算特定年级的行数。然后为每个年级找到所有学校中的最小值。最后，我希望根据步骤 2 中找到的最小值进行随机抽样。

所以基本上在这个有两个学校和 GRADE 7 和 GRADE 8 的基本示例中：

学校 1 的 7 年级分数为 2，学校 1 的八年级分数为 3。

学校 2 的 7 年级分数为 1，学校 2 的 8 年级分数为 4。

因此，新数据包含 SCHOOL 1 和 SCHOOL 2 的 GRADE 7 的一个 SCORE，以及 SCHOOL 1 和 SCHOOL 2 的 GRADE 8 的三个 SCORE，这些被挑选的 SCORE 是随机抽样的。

像这样：

我的尝试： data[ .SD[sample(x = .N, size = min(sum(GRADE), .N))], by = .(SCHOOL,GRADE]

Answer 1

这遵循您对操作方法的描述 step-by-step。

library(data.table)
setDT(data)
data[, N := .N, .(SCHOOL, GRADE)]
data[, N := min(N), GRADE]
data[, .(SCORE = sample(SCORE, N)), .(SCHOOL, GRADE, N)][, -'N']

如果您有多个类似 SCORE 的列，并且您希望每个列都保留相同的行，那么您可以像尝试那样使用 .SD：

data[, .SD[sample(.N, N)], .(SCHOOL, GRADE, N)][, -'N']

按最小像元大小的 R 样本

R Sample By Minimum Cell Size

r

sample

data.table