r - 每个条目选择 20 个第一行

Question

我有一个具有这种结构的大型数据集(数百万条记录):

id | ident1  |  ident2  
1    A000001    B000001 
2    A000001    B000002
................

99   A000001    B000099
.........
337  A000002    B000037
338  A000002    B000043

换句话说，对于每个 [ident1]，我在 [ident2] 中都有大量条目。我希望只能选择这些条目中的 20 个(如果少于 20 个，则全部选择)。

顺序并不重要:所以如果给定的 ident1 有 100 个匹配的 [ident2]，我想要前 20 个条目或 20 个随机条目，这并不重要。

提前致谢，p。

Answer 1

尝试

library(dplyr)
df %>% 
   group_by(ident1) %>%
   slice(1:20) 

或者使用data.table

library(data.table)
setDT(df)[, head(.SD,20), by=ident1]

如果你需要 sample

setDT(df)[df[, .I[sample(.N,20, replace=FALSE)], by=ident1]$V1]

如果某些组的20 行要采样

setDT(df)[,if(.N < 20) .SD else .SD[sample(.N,20, replace=FALSE)], by=group]