在不同 类 中随机选择不同大小的组
groups of different size randomly selected within different classes
我有一个如此困难的问题（至少对我而言）以至于我花了 2 个小时才写出来。完全不可能自己编程。我尽量说得很清楚，如果我没有说清楚，我很抱歉。我在 excel 中以一种非常质朴的方式进行此操作，但我确实需要对其进行编程。
我有一个 data.frame 这样的
id_pix id_lote clase f1 f2
45 4 Sg 2460 2401
46 4 Sg 2620 2422
47 4 Sg 2904 2627
48 5 M 2134 2044
49 5 M 2180 2104
50 5 M 2127 2069
83 11 S 2124 2062
84 11 S 2189 2336
85 11 S 2235 2162
86 11 S 2162 2153
87 11 S 2108 2124
17451 "id_pixel"（行），2080 "id_lote" 和 9 "clase"
这是每个 "clase" 的 "id_lote" 计数（v1 是 id_lote 计数）
clase v1
1: S 1099
2: P 213
3: Sg 114
4: M 302
5: Alg 27
6: Az 77
7: Po 228
8: Cit 13
9: Ma 7
我需要在 "clase" 中随机拆分 "id_lote"。我的意思是我有 1099 "id_lote" 用于 "S" "clase" 是 9339 "id_pixel" （行）我想随机 select 50 % of "id_lote" 即 x "id_pixel"（行）。考虑到每个 "clase" 的大小（"id_lote" 的数量）不同，对每个 "clase" 执行此操作。我还希望能够更改 selection 的大小（50%、30% 等）。我还想保留未 selected 的 "id_lote" 集。我希望有人能帮我解决这个问题！
这是可重现的例子
这是具有 2 个分类（S 和 Az）的数据，具有 6 个 id_lote 和 13 个 id_pixel
id_pix id_lote clase f1 f2
1 1 S 2909 2381
2 1 S 2515 2663
3 1 S 2628 3249
30 2 S 3021 2985
31 2 S 3020 2596
71 9 S 4725 4404
72 9 S 4759 4943
75 11 S 2728 2225
218 21 Az 4830 3007
219 21 Az 4574 2761
220 21 Az 5441 3092
1155 126 Az 7209 2449
1156 126 Az 7035 2932
一个结果可能是：
id_pix id_lote clase f1 f2
1 1 S 2909 2381
2 1 S 2515 2663
3 1 S 2628 3249
75 11 S 2728 2225
1155 126 Az 7209 2449
1156 126 Az 7035 2932
id_lote 中有 50% 是随机 select 在 clase "S" 中编辑的（4 个中的 2 个 id_lote），但是 id_pixel 中的所有 id_pixel保留了 70=]ed id_lote。对于 "Az" 类也是如此，一个 id_lote 被随机 selected（在这种情况下是 2 个中的 1 个）并且 select 中的所有 id_pixel 被 id_lote 被保留了。
colemand77 的建议很有帮助。我认为 dplyr 包对此很有用，但我认为如果我这样做
df %>%
group_by(clase, id_lote) %>%
sample_frac(.3, replace = FALSE)
我得到了每个分类的 30% 的数据，但没有像我需要的那样按 id_lote 分组！我的意思是 30% 的行 (id_pixel) 是 select 而不是 id_lote。
我希望这个例子有助于理解我想做什么，并使它对每个人都有用。对不起，如果我第一次不够清楚。
非常感谢！
第一眼我会说 dplyr 包是你的朋友。
df %>%
group_by(clase, id_lote) %>%
sample_frac(.3, replace = FALSE)
所以您首先使用 group_by() 并包括您要从中抽样的分组级别，然后您使用 sample_frac 对每个组的结果分数进行抽样。
据我所知，这就是您所要求的。如果不是，请考虑重新陈述您的问题以包含可重现的示例或进行澄清。干杯。
到 "keep" 未 selected 成员，我会添加一列唯一 ID，并使用反连接 anti_join()（也来自 dplyr 包）到找到两者之间不相同的 ID data.frames（抽样结果和原始结果）。
##更新##
我相信我现在理解得更好了。将此视为一个两步过程......
1) 你想要 select x% (例如 50) 来自每个 clase 的 id_lote 和 return 那些 id_lote #s (我假设给定的 id_lote 不存在多个类？）
2) 你想看到与每个 id_lote 相对应的所有 id_pixels，所有 data.frame
我将其分解为多个步骤进行说明，并不是因为它是最快/最漂亮的。
原始数据：（无法将您的数据读入 R。）
df<-data.frame(id_pix = c(1:200),
id_lote = sample(1:20,200, replace = TRUE),
clase = sample(letters[seq_along(1:10)], 200, replace = TRUE),
f1 = sample(1000:2000,200, replace = TRUE),
f2 = sample(2000:3000,200, replace = TRUE))
1) 找出哪个 id_lote 对应于哪个 clase - 为此我们使用 dplyr summarise 函数并将其存储在变量
中
summary<-df %>%
ungroup() %>%
group_by(clase, id_lote) %>%
summarise()
returns:
Source: local data frame [125 x 2]
Groups: clase
clase id_lote
1 a 1
2 a 2
3 a 4
4 a 5
5 a 6
6 a 7
7 a 8
8 a 9
9 a 11
10 a 12
.. ... ...
然后我们抽样以获得每个类别的 id_lote 的 30%..
sampled_summary <- summary %>%
group_by(clase) %>%
sample_frac(.3,replace = FALSE)
所以这个结果是一个数据 table 有两列（类和 id_lote），每个类显示 30% 的 id_lote。
2) 好的，现在我们从每个 class 中随机 select 编辑了 id_lote，而不是与 class 关联的 id_pix ].为此，我们执行 join 以获得相应的完整数据集，包括 id_pix 等
result <- sampled_summary %>%
left_join(df)
上面将数据集复制了一堆，所以如果你有大量的数据集，你可以一次性完成：
result <- df %>%
ungroup() %>%
group_by(clase, id_lote) %>%
summarise() %>%
group_by(clase) %>%
sample_frac(.5,replace = FALSE) %>%
left_join(df)
如果这不能满足您的需求，请告诉我，我们会再试一次。
我有一个如此困难的问题（至少对我而言）以至于我花了 2 个小时才写出来。完全不可能自己编程。我尽量说得很清楚，如果我没有说清楚，我很抱歉。我在 excel 中以一种非常质朴的方式进行此操作，但我确实需要对其进行编程。 我有一个 data.frame 这样的
id_pix id_lote clase f1 f2
45 4 Sg 2460 2401
46 4 Sg 2620 2422
47 4 Sg 2904 2627
48 5 M 2134 2044
49 5 M 2180 2104
50 5 M 2127 2069
83 11 S 2124 2062
84 11 S 2189 2336
85 11 S 2235 2162
86 11 S 2162 2153
87 11 S 2108 2124
17451 "id_pixel"（行），2080 "id_lote" 和 9 "clase"
这是每个 "clase" 的 "id_lote" 计数（v1 是 id_lote 计数）
clase v1
1: S 1099
2: P 213
3: Sg 114
4: M 302
5: Alg 27
6: Az 77
7: Po 228
8: Cit 13
9: Ma 7
我需要在 "clase" 中随机拆分 "id_lote"。我的意思是我有 1099 "id_lote" 用于 "S" "clase" 是 9339 "id_pixel" （行）我想随机 select 50 % of "id_lote" 即 x "id_pixel"（行）。考虑到每个 "clase" 的大小（"id_lote" 的数量）不同，对每个 "clase" 执行此操作。我还希望能够更改 selection 的大小（50%、30% 等）。我还想保留未 selected 的 "id_lote" 集。我希望有人能帮我解决这个问题！
这是可重现的例子
这是具有 2 个分类（S 和 Az）的数据，具有 6 个 id_lote 和 13 个 id_pixel
id_pix id_lote clase f1 f2
1 1 S 2909 2381
2 1 S 2515 2663
3 1 S 2628 3249
30 2 S 3021 2985
31 2 S 3020 2596
71 9 S 4725 4404
72 9 S 4759 4943
75 11 S 2728 2225
218 21 Az 4830 3007
219 21 Az 4574 2761
220 21 Az 5441 3092
1155 126 Az 7209 2449
1156 126 Az 7035 2932
一个结果可能是：
id_pix id_lote clase f1 f2
1 1 S 2909 2381
2 1 S 2515 2663
3 1 S 2628 3249
75 11 S 2728 2225
1155 126 Az 7209 2449
1156 126 Az 7035 2932
id_lote 中有 50% 是随机 select 在 clase "S" 中编辑的（4 个中的 2 个 id_lote），但是 id_pixel 中的所有 id_pixel保留了 70=]ed id_lote。对于 "Az" 类也是如此，一个 id_lote 被随机 selected（在这种情况下是 2 个中的 1 个）并且 select 中的所有 id_pixel 被 id_lote 被保留了。
colemand77 的建议很有帮助。我认为 dplyr 包对此很有用，但我认为如果我这样做
df %>%
group_by(clase, id_lote) %>%
sample_frac(.3, replace = FALSE)
我得到了每个分类的 30% 的数据，但没有像我需要的那样按 id_lote 分组！我的意思是 30% 的行 (id_pixel) 是 select 而不是 id_lote。 我希望这个例子有助于理解我想做什么，并使它对每个人都有用。对不起，如果我第一次不够清楚。 非常感谢！
第一眼我会说 dplyr 包是你的朋友。
df %>%
group_by(clase, id_lote) %>%
sample_frac(.3, replace = FALSE)
所以您首先使用 group_by() 并包括您要从中抽样的分组级别，然后您使用 sample_frac 对每个组的结果分数进行抽样。
据我所知，这就是您所要求的。如果不是，请考虑重新陈述您的问题以包含可重现的示例或进行澄清。干杯。
到 "keep" 未 selected 成员，我会添加一列唯一 ID，并使用反连接 anti_join()（也来自 dplyr 包）到找到两者之间不相同的 ID data.frames（抽样结果和原始结果）。
##更新##
我相信我现在理解得更好了。将此视为一个两步过程...... 1) 你想要 select x% (例如 50) 来自每个 clase 的 id_lote 和 return 那些 id_lote #s (我假设给定的 id_lote 不存在多个类？） 2) 你想看到与每个 id_lote 相对应的所有 id_pixels，所有 data.frame
我将其分解为多个步骤进行说明，并不是因为它是最快/最漂亮的。
原始数据：（无法将您的数据读入 R。）
df<-data.frame(id_pix = c(1:200),
id_lote = sample(1:20,200, replace = TRUE),
clase = sample(letters[seq_along(1:10)], 200, replace = TRUE),
f1 = sample(1000:2000,200, replace = TRUE),
f2 = sample(2000:3000,200, replace = TRUE))
1) 找出哪个 id_lote 对应于哪个 clase - 为此我们使用 dplyr summarise 函数并将其存储在变量
summary<-df %>%
ungroup() %>%
group_by(clase, id_lote) %>%
summarise()
returns:
Source: local data frame [125 x 2]
Groups: clase
clase id_lote
1 a 1
2 a 2
3 a 4
4 a 5
5 a 6
6 a 7
7 a 8
8 a 9
9 a 11
10 a 12
.. ... ...
然后我们抽样以获得每个类别的 id_lote 的 30%..
sampled_summary <- summary %>%
group_by(clase) %>%
sample_frac(.3,replace = FALSE)
所以这个结果是一个数据 table 有两列（类和 id_lote），每个类显示 30% 的 id_lote。
2) 好的，现在我们从每个 class 中随机 select 编辑了 id_lote，而不是与 class 关联的 id_pix ].为此，我们执行 join 以获得相应的完整数据集，包括 id_pix 等
result <- sampled_summary %>%
left_join(df)
上面将数据集复制了一堆，所以如果你有大量的数据集，你可以一次性完成：
result <- df %>%
ungroup() %>%
group_by(clase, id_lote) %>%
summarise() %>%
group_by(clase) %>%
sample_frac(.5,replace = FALSE) %>%
left_join(df)
如果这不能满足您的需求，请告诉我，我们会再试一次。