r - 从数据表中，每组随机选择一行

Question

我正在寻找一种从数据表中选择行的有效方法，以便我为特定列中的每个唯一值都有一个代表行。

让我举一个简单的例子:

require(data.table)

y = c('a','b','c','d','e','f','g','h')
x = sample(2:10,8,replace = TRUE)
z = rep(y,x)
dt = as.data.table( z )

我的目标是通过对 z 列中的每个字母 a-h 采样一行来对数据表 dt 进行子集化。

Answer 1

OP 在示例中仅提供了一个列。假设原始数据集中有多列，我们按'z'分组，sample从每组的行序列中提取 1 行，获取行索引 ( .I )，提取具有行索引 ( $V1 ) 的列，并使用它对 'dt' 的行进行子集化。

dt[dt[ , .I[sample(.N,1)] , by = z]$V1]