r - dplyr sample_n 按组，每组具有唯一的大小参数

Question

我试图从数据集中抽取一个分层样本，其中存在一个变量，表明每组的样本量应该有多大。

library(dplyr)
# example data 
df <- data.frame(id = 1:15,
                 grp = rep(1:3,each = 5), 
                 frq = rep(c(3,2,4), each = 5))

在这个例子中， grp 是指我想要采样的组， frq 是为该组指定的样本大小。

使用 split ，我想出了这个可能的解决方案，它给出了想要的结果，但似乎效率很低:

s <- split(df, df$grp)
lapply(s,function(x) sample_n(x, size = unique(x$frq))) %>% 
      do.call(what = rbind)

有没有办法只使用 dplyr 的 group_by 和 sample_n 来做到这一点？

我的第一个想法是:

df %>% group_by(grp) %>% sample_n(size = frq)

但这给出了错误:

Error in is_scalar_integerish(size) : object 'frq' not found

Answer 1

library(tidyverse)

# example data 
df <- data.frame(id = 1:15,
                 grp = rep(1:3,each = 5), 
                 frq = rep(c(3,2,4), each = 5))

set.seed(22)

df %>%
  group_by(grp) %>%   # for each group
  nest() %>%          # nest data
  mutate(v = map(data, ~sample_n(data.frame(id=.$id), unique(.$frq)))) %>%  # sample using id values and (unique) frq value
  unnest(v)           # unnest the sampled values

# # A tibble: 9 x 2
#     grp    id
#   <int> <int>
# 1     1     2
# 2     1     5
# 3     1     3
# 4     2     8
# 5     2     9
# 6     3    14
# 7     3    13
# 8     3    15
# 9     3    11

如果您将 ids(不是 ids 向量)和一个频率值(对于每组)的数据帧作为输入传递，则函数 sample_n 起作用。

使用 map2 并提前为 sample_n 生成输入的替代版本:

df %>%
  group_by(grp) %>%                                 # for every group
  summarise(d = list(data.frame(id=id)),            # create a data frame of ids
            frq = unique(frq)) %>%                  # get the unique frq value
  mutate(v = map2(d, frq, ~sample_n(.x, .y))) %>%   # sample using data frame of ids and frq value
  unnest(v) %>%                                     # unnest sampled values
  select(-frq)                                      # remove frq column (if needed)