删除一组具有特定值的变量中的随机观察子集答案

【问题标题】：Deleting random subset of observations within a group of variables that have a certain value删除一组具有特定值的变量中的随机观察子集
【发布时间】：2013-04-23 02:20:42
【问题描述】：

假设我有一个数据框，我想在其中删除满足特定标准的随机观察样本（即整行）。以这个数据框为例：

id    var1  var2
AAAA  1     Car
BBBB  2     Truck
CCCC  1     Boat
DDDD  2     Car
EEEE  1     Truck
FFFF  2     Car
FFFF  2     Car
FFFF  2     Car
FFFF  2     Car

如何进行 (1) 对 var2=="Car" 的观察结果进行随机抽样 (n=3)，以及 (2) 删除 var2=="Car" 未抽样的所有其他行？我在某个标准（即“var2=Car”）内使用sample() 时遇到问题，因为它还会从数据集中删除所有其他观察结果（当我想用Trucks 和Boats 保留其他行时)

【问题讨论】：

sample() 命令有帮助吗？
我发现的棘手部分是在某个标准（即“var2=Car”）内的采样也会从数据集中删除所有其他观察结果——我想保留其他行Trucks 和 Boats.

标签： r

【解决方案1】：

关于您在使用sample 时遇到的困难，它可能与您从什么/从哪里采样有关。

您不想直接从 data.frame 中采样，因为这会对列进行采样

您不想从逻辑向量中采样，因为使用结果来进一步索引 data.frame 并不简单。

相反，您希望从行的索引中进行抽样。您可以从索引的适当子集中进行采样，然后与第二个子集组合，但这很麻烦。

更直接的方法是对你要取出的东西进行抽样：

# remove 3 random rows where var2 is "car": 
DT[-sample(which(var2=="Car"), 3)]

#      id var1  var2
# 1: BBBB    2 Truck
# 2: CCCC    1  Boat
# 3: DDDD    2   Car
# 4: EEEE    1 Truck
# 5: FFFF    2   Car
# 6: FFFF    2   Car

在哪里DT <- data.table(yourDataFrame)

注意使用which( ) 为行提供索引。如果没有，我会从TRUE 和FALSE 的向量中采样（感谢recycling，这会产生非常不可预测的结果）。

【讨论】：

【解决方案2】：

(carindex <- which(dat$var2 == 'Car'))
(deleteindex <- sample(carindex, length(carindex) - 3)) 
dat[-deleteindex, ]

R > (carindex <- which(dat$var2 == 'Car'))
[1] 1 4 6 7 8 9
R > (deleteindex <- sample(carindex, length(carindex) - 3))
[1] 4 6 9
R > dat[-deleteindex, ]
    id var1  var2
1 AAAA    1   Car
2 BBBB    2 Truck
3 CCCC    1  Boat
5 EEEE    1 Truck
7 FFFF    2   Car
8 FFFF    2   Car

【讨论】：

【解决方案3】：

这是一种使用data.table 的方法。 .I 是一个包含特定子集的行号的向量。（见?data.table）

library(data.table)
# assuming your data.frame is called df
DT <- data.table(df)

DT[DT[, list(keep =  if(var2 =='Car'){
   .I[sample(.N, 3)]
   } else{.I})  ,  by = var2]$keep]

     id var1  var2
1: DDDD    2   Car
2: FFFF    2   Car
3: AAAA    1   Car
4: BBBB    2 Truck
5: EEEE    1 Truck
6: CCCC    1  Boat

【讨论】：