随机对每个组进行子集以满足条件

Question

希望通过遍历每个资源的名称来减少资源分配，并查看分配给该人姓名的帐户，随机选择一个并将该人的姓名替换为 NA。

可重现的例子：

Accts <- paste0("Acc", 1:200)
Value <- c(500, 2000, 5000, 1000)
AccountDF <- data.frame(Accts, Value)
AccountDF$Owner[1:200] <- NA
AccountDF$Owner[1:23] <- "Jeff"
AccountDF$Owner[24:37] <- "Alex"
AccountDF$Owner[38:61] <- "Steph"
AccountDF$Owner[62:111] <- "Matt"
AccountDF$Owner[112:141] <- "David"

library(dplyr)
OwnerDF <- AccountDF %>%
  group_by(Owner) %>%
  summarise(Count = n(),
            TotalValue = sum(Value)) %>%
  filter(!is.na(Owner))

到目前为止我在哪里：

for (p in 1:nrow(OwnerDF)){
  while (AccountDF$Count[p] > 22){
    AccountDF %>%
      filter(Owner == OwnerDF$Owner[p]) %>%
      sample_n(1)


  }
}

我听说 for 循环是不必要的。我确信这可以通过 purr 包和 pmap 或类似的东西来完成。我仍然在学习。

我想遍历 OwnerDF 并查看该人是否“拥有”太多帐户。如果是，请查看原始帐户列表并随机选择一个并将所有者的姓名替换为 NA，从其计数中删除 1，然后继续。

最后，在弄清楚这一点之后，我想看看它是否可以在多个条件下完成。比如 While(Count > 22 & Value > $40,000)，或者两个 while 循环。目标是将每个人的“拥有”账户减少到某个阈值以下，并将 $$ 减少到某个阈值以下。

Answer 1

要选择随机帐户，只需创建一个随机变量并对其进行排序，取前 N 个满足您条件的帐户：

 set.seed(1)
 res = AccountDF %>% 
   mutate(r = runif(n())) %>% 
   arrange(r) %>% 
   group_by(Owner) %>% 
   mutate(newOwner = replace(Owner, cumsum(Value) > 40000 | row_number() > 22, NA)) %>% 
   select(-r)

# Test that it worked...
res %>%
  filter(!is.na(newOwner)) %>%
  group_by(newOwner) %>%
  summarise(Count = n(), TotalValue = sum(Value))

# A tibble: 5 x 3
#   newOwner Count TotalValue
#      <chr> <int>      <dbl>
# 1     Alex    14      27000
# 2    David    18      37000
# 3     Jeff    18      39500
# 4     Matt    18      39500
# 5    Steph    17      36500

---

OP 在评论中提到的扩展：

你的另一个问题。假设我对每个值和计数都有一个阈值，如果有人计数低但值高，我想从他们的高值帐户中随机取一个帐户，如果他们的计数和值低，我想取低远离他们的价值账户。我怎么能从随机的角度做到这一点？

我可能会为每个观察分配一个实值分数，例如...

s = scale(f(x))

f 是基于您提到的条件（高计数、高值或两者兼有）的某个函数，当您想要偏向低值时可能像 x 和想要偏向低值时像 -x 一样简单偏向高值。

然后，添加一些噪音并使用上述结果进行排序：

r = s + rnorm(length(s))