data.table 更新按组加入

Question

我有一个特定的data.table 问题：有没有办法进行更新加入但按组？举个例子吧：

df1 <- data.table(ID = rep(letters[1:3],each = 3),x = c(runif(3,0,1),runif(3,1,2),runif(3,2,3)))
df2 <- data.table(ID = c(letters[1],letters[1:5]))

> df2
   ID
1:  a
2:  a
3:  b
4:  c
5:  d
6:  e

> df1
   ID         x
1:  a 0.9719153
2:  a 0.8897171
3:  a 0.7067390
4:  b 1.2122764
5:  b 1.7441528
6:  b 1.3389710
7:  c 2.8898255
8:  c 2.0388562
9:  c 2.3025064

我想做类似的事情

df2[df1,plouf := sample(i.x),on ="ID"]

但是对于每个ID 组，这意味着plouf 将是每个对应ID 的x 值的样本。上面这行代码不能这样工作，它对整个x 向量进行采样：

> df2

   ID     plouf
1:  a 1.3099715
2:  a 0.8540039
3:  b 2.0767138
4:  c 0.6530148
5:  d        NA
6:  e        NA

您看到plouf 的值不是df1 的ID 组对应的x。我希望plouf 的值在 a 的 0 和 1 之间，b 的值介于 1 和 2 之间，c 的值介于 2 和 3 之间。我想不更换样品。 我试过了：

df2[df1,plouf := as.numeric(sample(i.x,.N)),on ="ID",by = .EACHI]

这不起作用：

Error in sample.int(length(x), size, replace, prob) : 
  cannot take a sample larger than the population when 'replace = FALSE'

这另一种尝试似乎奏效了：

df2$plouf <- df2[df1,on ="ID"][,sample(x,df2[ID == ID2,.N]),by = .(ID2 = ID)]$V1

但我发现很难阅读或理解，对于多个分组变量可能会有问题，而且我不确定它是否非常有效。我确信有一个很好的简单方法来编写它，但我没有它。有什么想法吗？

Answer 1

另一种选择：

df1[df2[, .N, ID], on=.(ID), sample(x, N), by=.EACHI]

输出：

   ID        V1
1:  a 0.2655087
2:  a 0.3721239
3:  b 1.2016819
4:  c 2.6607978
5:  d        NA
6:  e        NA

数据：

library(data.table)
set.seed(0L)
df1 <- data.table(ID = rep(letters[1:3],each = 3),x = c(runif(3,0,1),runif(3,1,2),runif(3,2,3)))
df2 <- data.table(ID = c(letters[1],letters[1:5]))

---

解决评论：

library(data.table)
set.seed(0L)
df1 <- data.table(ID = rep(letters[1:3],each = 3),
    NAME = rep(LETTERS[1:3],each = 3),
    x = c(runif(3,0,1),runif(3,1,2),runif(3,2,3)))
df2 <- data.table(ID = c(letters[1],letters[1:5]),
    NAME = c(LETTERS[1],LETTERS[1:5]))

df2[, ri := rowid(ID, NAME)][
    df1[df2[, .N, .(ID, NAME)], on=.(ID, NAME), .(ri=1L:N, VAL=sample(x, N)), by=.EACHI],
    on=.(ri, ID, NAME), VAL := VAL]
df2

如果输入ID, NAME过于重复，可以使用

cols <- c("ID", "NAME")
df2[, ri := rowidv(.SD, cols)][
    df1[df2[, .N, cols], on=cols, .(ri=1L:N, VAL=sample(x, N)), by=.EACHI],
    on=c("ri", cols), VAL := VAL]
df2

Answer 2

替换样本

你可以这样做：

df2[, plouf := df1[df2, on = .(ID),
                        sample(x, size = 1),
                        by=.EACHI]$V1]

您可以加入ID 变量，但您必须指定by=.EACHI，因为您要返回多个值。 $V1 告诉它返回结果的第一列。

结果：

   ID      sample
1:  a 0.042188292
2:  a 0.002502247
3:  b 1.145714600
4:  c 2.541768627
5:  d          NA
6:  e          NA

无需更换的样品

它不漂亮，但它有效：

df2$plouf = as.numeric(NA)

# create temporary table of number of sample required for each group
temp = df2[, .N, by = ID]

for(i in temp$ID){
  # create a temporary sample
  temp_sample = sample(df1[i==ID]$x, size = temp[ID==i]$n, replace = FALSE)

  # assign sample
  for(j in seq(1, length(temp_sample))){
    df2[ID==i][j]$plouf = temp_sample[j] 
  }
}

感谢@David Arenburg 的帮助