r - 在数据帧中的一个因子的所有级别中选择 n 个随机采样的连续行

Question

在对我之前提出的问题的一些出色回复之后 - selecting n random rows across all levels of a factor within a dataframe - 我一直在考虑扩展这个问题。

上一个问题试图从特定因素的每个级别随机抽取 n 行/观察值，并将所有信息组合到一个新的数据框中。

但是，这种随机抽样对于某些类型的数据可能不是最佳选择。在这里，我想再次为特定因素的每个级别选择 n 行/观察值。这里的主要区别在于，从特定因素的每个级别选择的行/观察结果应该连续。

这是一个示例数据集:

id<-sample(1:20, 100, replace = TRUE)
dat<-as.data.frame(id)
color <-  c("blue", "red", "yellow", "pink", "green", "orange", "white", "brown")
dat$colors<- sample(color, 100, replace = TRUE)

要添加到此示例数据集的是每个观察的时间戳。这些将形成我希望采样的顺序。我正在使用此线程中建议的函数 - efficiently generate a random sample of times and dates between two dates - 为此目的:

randomts <- function(N, st="2013/12/09", et="2013/12/14") {
st <- as.POSIXct(as.Date(st))
et <- as.POSIXct(as.Date(et))
dt <- as.numeric(difftime(et,st,unit="sec"))
ev <- sort(runif(N, 0, dt))
rt <- st + ev
}

dat$ts<-randomts(100)

我不确定这是否有必要，但也可以添加一个给出“日”的变量。这是我希望从各个层面抽样的因素。

temp<-strsplit(as.character(dat$ts), " ")
mat<-matrix(unlist(temp), ncol=2, byrow=TRUE)
df<-as.data.frame(mat)
colnames(df)<-c("date", "time")
dat<-cbind(df, dat)

mindate<-as.Date(min(dat$date))
dates<-as.Date(dat$date)
x<-as.numeric(dates-mindate)
x<-x+1 
dat$day<-x  
as.factor(dat$day) #in this example data there are 6 levels to 'day'.

#EDIT there may be 5 levels to day - depends on how data randomly generated by function 

原帖没有准确计算日期。这虽然不完美但更好。看起来不错，但第一天是 day=0，希望什么时候是 day=1

总结一下，就是这个问题。我想创建一个新的数据框，其中包含例如从数据框“dat”的因子日的每个级别随机抽取 5 个连续观察值(即从每天获取的 5 个随机连续观察值)。因此，新数据框将有 30 个观测值。一个额外的警告是，如果我想采样，例如连续 20 个观察值，并且特定级别只有 15 个观察值，然后返回所有 15 个并且没有替换。

我尝试使用 seq_along 来解决这个问题。我似乎能够让它一次对一个变量起作用——例如如果从颜色中采样:

x <-  sample(seq_along(dat$colors),1)
dat$colors[x:(x+4)]

这会从可变颜色中生成一个随机抽样的 5 种连续颜色列表。

我无法将此应用于手头的问题。我尝试修改我之前问题的一些答案 selecting n random rows across all levels of a factor within a dataframe - 但似乎无法计算出 seq_along 在任何位置的正确位置。

Answer 1

假设您的 data.frame 按日期排序，这应该对颜色运行进行采样。这里 N 是你想要的每种颜色的数量。对于每个颜色组的运行，返回值 keep 将为 TRUE。

N <- 5
keep <- with(dat, ave(rep(T, nrow(dat)), colors, FUN=function(x) {
    start <- sample.int(max(length(x)-N,1),1)
    end <- min(length(x), start+N-1)
    r <- rep(c(F,T,F), c(start-1, end-start+1, length(x)-end)) 
}))
dat[keep, ]

此方法不查看任何 day 值。它只是找到随机运行的 N 观察值。如果特定组的观察结果少于 N，它只会返回较少的每个类别。