r - 使用特定于组的样本大小从数据框中采样

Question

我想使用每个组中不相等的样本大小从数据框中对行进行采样。
假设我们有一个按“组”分组的简单数据框:

library(dplyr)
set.seed(123)

df <- data.frame(group = rep(c("A", "B"), each = 10), 
                 value = rnorm(10))
df
#>    group       value
#> 1      A -0.56047565
#> 2      A -0.23017749
#> .....
#> 10     A -0.44566197
#> 11     B -0.56047565
#> 12     B -0.23017749
#> .....
#> 20     B -0.44566197

使用 slice_sample 包中的 dplyr 函数，您可以轻松地从此数据帧中分割大小相等的组:

df %>% group_by(group) %>% slice_sample(n = 2) %>% ungroup()

#> # A tibble: 4 x 2
#>   group  value
#>   <fct>  <dbl>
#> 1 A     -0.687
#> 2 A     -0.446
#> 3 B     -0.687
#> 4 B      1.56

问题
您如何从每个组(大小不等的切片组)中采样不同数量的值？例如，从 A 组中抽取 4 行，从 B 组中抽取 5 行？

Answer 1

我能想到的最简单的事情是 map2使用 purrr 的解决方案.

library(dplyr)
library(purrr)

df %>% 
  group_split(group) %>% 
  map2_dfr(c(4, 5), ~ slice_sample(.x, n = .y))

# A tibble: 9 x 2
  group   value
  <chr>   <dbl>
1 A     -0.687 
2 A      1.56  
3 A      0.0705
4 A      1.72  
5 B     -0.560 
6 B      0.461 
7 B      0.129 
8 B      0.0705
9 B     -0.230 

需要注意的是，您需要了解拆分的顺序。我想 group_split()将组作为因素进行排序。一种解决方法是像这样适应，并查找 n来自命名向量。

group_slice_n <- c(A = 4, B = 5)

df %>% 
  split(.$group) %>% 
  imap_dfr(~ slice_sample(.x, n = group_slice_n[.y]))