您如何加权数据以在 R 中进行拆分？

Question

我想将我的数据拆分为开发和验证集。数据应按 ID 拆分。对于我大约 30% 的 data 个人，我有丰富的观察结果，其余 70% 的数据很少。

对于我的开发集，我想包含所有拥有丰富数据的个人（即使这样做可能不是一个好习惯），然后用稀疏数据填充个人。验证集不应包含任何丰富的数据。

一些示例数据：

# A tibble: 6 x 4
  ID     CONC  TIME  RICH
  <chr> <dbl> <dbl> <dbl>
1 A      55.0     1     1
2 A      52.6     2     1
3 A      50.2     3     1
4 A      47.9     4     1
5 E      40.7     2     0
6 E      38.3     2     0

我知道sample() 函数，但我不知道如何“随机”拆分带有权重的数据。

编辑：所有 ID 都有几个观察值，因此随机化应该在 ID 上取决于 RICH。如果有超过 n 个观察值，则将个人指定为拥有丰富的数据。

编辑 2：75%/25% 的分配应该在 ID 上。

Answer 1

这是一种原始方法：

#Unique ID's
n <- unique(df$ID) 
#Get all rich ID's
rich_set <- unique(df$ID[df$RICH == 1])
#count number of unique ID's in development set
development_n <- ceiling(length(n) * 0.75)
#select random Id's to complete development set
devel_ID <- sample(setdiff(n, rich_set), development_n - length(rich_set))

#Subset data
development_set <- subset(df, ID %in% c(rich_set, devel_ID))
validaton_set <- subset(df, !ID %in% c(rich_set, devel_ID)))