每行都有一个人口，但我想要一个随机的人答案

【问题标题】：Each row has a population, but I want a random individual每行都有一个人口，但我想要一个随机的人
【发布时间】：2015-06-06 05:32:02
【问题描述】：

假设我的数据结构如下：

      country population
1 Afghanistan   30000000
2      Brazil  200000000
3    Cameroon   22250000

这里共有 2.522 亿人。假设我想随机选择一个人：

i <- sample (1:sum(df$population))

然后报告她的国家。如何找到与个人 i 对应的国家行？我知道经验法则是通过数据框进行迭代意味着您做错了什么，但是（除了创建一个每个人一行的新列表，这听起来很糟糕）我想不出一个好的方法来计算找出个人 i 在人群中的位置。

【问题讨论】：

您可以对行进行采样，即indx <- sample(nrow(df1),1)，并将其用作索引来对行进行子集化。即df1[indx, ]
可以指定权重为sample()，即with(mydata, sample(country,1,prob=population))
@akrun：我相信这给了我以相等概率采样的数据帧中的一行，这不等于以相等概率选择其中一个个体。
这就是 MrFlick 的建议所做的。它使抽样国家的概率与其人口成正比。
确实如此。如果将 MrFlick 的格式设置为答案，我会给他打勾以正确地归功于他，但我已经标记了您的扩展版本。

标签： r sample weighted population

【解决方案1】：

正如 MrFlick 在 cmets 中所建议的，您可以使用该国人口给出的概率对该国家进行抽样。

> pops <- read.table(text="country population
1 Afghanistan   30000000
2      Brazil  200000000
3    Cameroon   22250000", header=T)

> sample(pops$country, 1, prob=pops$population)

作为一个如何与总体成比例的示例，只需多次执行此操作，样本之间的比率就与总体之间的比率大致相同：

> set.seed(42)
> countries <- replicate(100000, sample(pops$country, 1, prob=pops$population))
> table(countries)/sum(table(countries))
countries
Afghanistan      Brazil    Cameroon 
0.12058     0.79052     0.08890 

> pops$population/sum(pops$population)
[1] 0.11892963 0.79286422 0.08820614

另一种方法是计算人口的累积总和，从世界人口中抽样，然后确定该人的国家/地区：

> pops$cumPop <- cumsum(pops$population)
> set.seed(42)
> person <- sample(1:pops$cumPop[nrow(pops)], 1)    
> pops$country[which(person <= pops$cumPop)[1]] #The country is the first with cumSum higher than the person ID.
[1] Cameroon
Levels: Afghanistan Brazil Cameroon

第一个选择要简单得多，但第二个的优点是实际抽样“某人”，以防您需要将其用于其他事情而不是返回一个国家/地区。

【讨论】：