如何在分组变量中提取对样本

Question

我的数据如下所示：

x  y 
1  1
2  2
3  2
4  4
5  5
6  6
7  6
8  8
9  9 
10  9
11  11
12  12
13  13
14  13
15  14
16  15
17  14
18  16
19  17
20  18

y 是一个分组变量。我想看看这个分组进行得如何。 因此，我想提取由变量 y 组合在一起的 n 对案例的样本 和 n 对未按变量 y 组合在一起的案例。为了计算数量 误报和误报（错误分组或不分组）。如何提取分组对的样本 和未分组对的样本？

我希望样本看起来像这样（对于 n=6）： 分组样本：

x  y
2  2
3  2
9  9
10  9
15  14
17  14

未分组样本：

x  y
1  1
2  2
6  8
6  8
11  11
19  17

我将如何在 R 中解决这个问题？

Answer 1

我并不完全清楚你喜欢做什么，部分原因是我觉得你想要实现的目标缺少一些背景信息。我也不太了解您的预期输出（例如，未分组的样本包含一个条目6 8，但您的原始数据中不存在...）

除此之外，这是一种可能的方法。

# Maximum number of samples per group
n <- 3;

# Set fixed RNG seed for reproducibility
set.seed(2017);

# Grouped samples
df.grouped <- do.call(rbind.data.frame, lapply(split(df, df$y),
    function(x) if (nrow(x) > 1) x[sample(min(n, nrow(x))), ]));
df.grouped;
#       x  y
#2.3    3  2
#2.2    2  2
#6.6    6  6
#6.7    7  6
#9.10  10  9
#9.9    9  9
#13.13 13 13
#13.14 14 13
#14.15 15 14
#14.17 17 14


# Ungrouped samples
df.ungrouped <- df[sample(nrow(df.grouped)), ];
df.ungrouped;
#    x y
#7   7 6
#1   1 1
#9   9 9
#4   4 4
#3   3 2
#2   2 2
#5   5 5
#6   6 6
#10 10 9
#8   8 8

解释：根据y拆分df，然后从包含>1行的子集x中抽取min(n, nrow(x))样本； rbinding 给出分组的df.grouped。然后我们从df 中抽取nrow(df.grouped) 样本以生成未分组的df.ungrouped。

---

样本数据

df <- read.table(text =
    "x  y
     1  1
     2  2
     3  2
     4  4
     5  5
     6  6
     7  6
     8  8
     9  9
     10  9
     11  11
     12  12
     13  13
     14  13
     15  14
     16  15
     17  14
     18  16
     19  17
     20  18", header = T)