每组 n 行的比例选择答案

【问题标题】：Proportional selection of n rows per group每组 n 行的比例选择
【发布时间】：2021-05-15 18:32:12
【问题描述】：

我有下表关于两个物种的丰度：

df <- tribble(~name, ~id, ~freq, ~toselect,
"spA",  22, 10,  4,
"spA",  23, 10,  4,
"spA",  21, 8,  4,
"spA",  19, 6,  4,
"spA",  25, 5,  4,
"spA",  26, 4,  4,
"spA",  27, 4,  4,
"spA",  28, 3,  4,
"spA",  29, 3,  4,
"spA",  24, 2,  4,
"spA",  30, 2,  4,
"spA",  20, 1,  4,
"spA",  31, 1,  4,
"spA",  33, 1,  4,

"spB",  27, 9,  2,
"spB",  28, 1,  2,
"spB",  29, 1,  2,
"spB",  24, 1,  2,
"spB",  30, 1,  2,
"spB",  20, 1,  2,
"spB",  31, 1,  2,
"spB",  33, 1,  2)

我想选择 n 行，其中 n 作为物种特定参数包含在小标题中（col“toselect”）。但是，我想根据特定组中物种的频率（col“freq”）选择这些行，即重复是可以的并且想要（例如，在 spB 的情况下，我实际上希望算法选择组 27 两次。 )。

我实际上遇到了两个问题。传统的sample_n()，非常适合选择所需的行数。

df %>% group_by(name) %>% 
    sample_n(toselect[1], replace = T)

我想到的另一个选择是它的继任者slice_sample()。这是一个很酷的功能，适用于重复项。但是，不适用于每个组的不同数量的选定行。

df %>% group_by(name) %>% 
    slice_sample(n = 4, replace = T) # instead of 4 I would like to put there "toselect[1]"

最后，这两个选项都不适用于比例选择。我尝试添加参数weight = freq，但这仍然会产生随机选择。所以我问：有没有办法做到这一点？

【问题讨论】：

标签： r dplyr

【解决方案1】：

很遗憾，slice_sample() 和 sample_n() 的 n 参数未矢量化。

因此，您必须使用类似循环的函数来实现这一点。

这里，我使用dplyr::group_split()和purrr::map_dfr()的组合：

library(tidyverse)

set.seed(0)
df %>% 
  group_split(name) %>% 
  map_dfr(~{
    sample_n(.x, toselect[1], replace = T)
  })
#> # A tibble: 6 x 4
#>   name     id  freq toselect
#>   <chr> <dbl> <dbl>    <dbl>
#> 1 spA      33     1        4
#> 2 spA      29     3        4
#> 3 spA      19     6        4
#> 4 spA      27     4        4
#> 5 spB      27     9        2
#> 6 spB      28     1        2

^{由reprex package (v2.0.0) 于 2021-05-15 创建}

【讨论】：