R - 子集原始数据框：N 个随机观察，50% 的 N 有种族 E，50% 的 N 有教育 E

Question

您好 Stackoverflow 用户，

我是 R 的新手，只学了几个星期。 我有一个包含 15 个关于人们特征（例如种族、教育、原籍国）的字符串变量的数据框；一排是一个人。

我如何告诉 R 创建原始数据框的一个子集，以便这个新数据框包括 N 个随机人（他们已被替换），50% 的 N 有种族 ET，50% 的 N 有教育ED？ 我知道基本的 A) 和 B)

A) 我知道如何根据here 和here 的建议，随机抽取N 个观察值并进行替换。 例如：

df[sample(nrow(df), size=N, replace=TRUE), ]

B) In this other post，有一些关于如何调节随机抽奖的示例（无需替换）。

df[ sample( which( df$Ethnicity== "ET" | df$Education= "ED" ) , N ) , ]

但是，我想知道如何进行更复杂的条件抽奖，即 50% 的 N 必须有 Ethnicity ET，而 50% 的 N 必须有 Education ED。因此，在这个大小为 N 的新样本中，两个条件仅部分相交：对于某些人 Ethnicity==ET & Education==ED，对于某些人 Ethnicity!=ET & Education==ED，对于某些人 Ethnicity==ET和教育！=ED，对某些人来说 种族！=ET 和教育！=ED。

Answer 1

一个简单的解决方案是sample 1/4 对于每个组合，希望这种组合存在：

n  <- 1e2 / 4
y <- x[c(sample(which(x$et & x$ed), n, TRUE)
         , sample(which(!x$et & x$ed), n, TRUE)
         , sample(which(x$et & !x$ed), n, TRUE)
         , sample(which(!x$et & !x$ed), n, TRUE)),]
table(y)
#       ed
#et      FALSE TRUE
#  FALSE    25   25
#  TRUE     25   25

如果存在不存在的组合，您可以使用table 获取每个组合的比例，例如：

n  <- 1e2
x  <- x[!x$et | x$ed,]
tt  <- table(x)
tt  <- tt * t(tt)
tt <- tt / rowSums(tt) 
tt <- tt / rep(colSums(tt), each=2)
tt <- round(proportions(tt)*n) #Since R 4.0.0: prop.table becomes proportions
#tt <- round(prop.table(tt)*n) #Here the target number might not be reached
y <- x[c(sample(which(!x$et & !x$ed), tt[1], TRUE)
         , sample(which(x$et & !x$ed), tt[2], TRUE)
         , sample(which(!x$et & x$ed), tt[3], TRUE)
         , sample(which(x$et & x$ed), tt[4], TRUE)),]
table(y)
#       ed
#et      FALSE TRUE
#  FALSE    50    0
#  TRUE      0   50

数据：

set.seed(7)
n  <- 1e4
x  <- data.frame(et=sample(c(TRUE,FALSE), n, TRUE, c(.25,.75)), ed=sample(c(TRUE,FALSE), n, TRUE, c(.75,.25)))