r - 您如何通过警告对data.table中的组进行采样

Question

这个问题与Sample random rows within each group in a data.table非常相似。
所不同的是，我在这个问题本身上没有足够的声誉来讨论这个问题。
让我们稍微更改一下克里斯托弗·曼宁的初始数据:

> DT = data.table(a=c(1,1,1,1:15,1,1), b=sample(1:1000,20))
> DT
     a   b
 1:  1 102
 2:  1   5
 3:  1 658
 4:  1 499
 5:  2 632
 6:  3 186
 7:  4 761
 8:  5 150
 9:  6 423
10:  7 832
11:  8 883
12:  9 247
13: 10 894
14: 11 141
15: 12 891
16: 13 488
17: 14 101
18: 15 677
19:  1 400
20:  1 467

如果我们尝试了问题的解决方案:

> DT[,.SD[sample(.N,3)],by = a]

Error in sample.int(x, size, replace, prob) :cannot take a sample larger than the population when 'replace = FALSE'

这是因为列中的值仅出现一次。如果不使用替换(我们不希望这样做)，那么我们不能对少于3次的值进行3次采样。
我正在努力应对这种情况。当出现次数> = 3时，我们要采样3次，但是如果出现次数<3，则抽取出现次数。例如，使用上面的DT，我们希望:

     a   b
 1:  1 102
 2:  1   5
 3:  1 658
 4:  2 632
 5:  3 186
 6:  4 761
 7:  5 150
 8:  6 423
 9:  7 832
10:  8 883
11:  9 247
12: 10 894
13: 11 141
14: 12 891
15: 13 488
16: 14 101
17: 15 677

可能的解决方案可能是像这样对data.table进行 sorting，然后在上面的示例函数中使用 rle() lengths找出要使用的 n:

> DT <- DT[order(DT$a),]
> DT
     a   b
 1:  1 102
 2:  1   5
 3:  1 658
 4:  1 499
 5:  1 400
 6:  1 467
 7:  2 632
 8:  3 186
 9:  4 761
10:  5 150
11:  6 423
12:  7 832
13:  8 883
14:  9 247
15: 10 894
16: 11 141
17: 12 891
18: 13 488
19: 14 101
20: 15 677

> ifelse(rle(DT$a)$lengths >= 3, 3,rle(DT$a)$lengths)
> [1] 3 1 1 1 1 1 1 1 1 1 1 1 1 1 1

如果我们将n替换为“3”，这将返回我们应从a = 1，a = 2，a = 3采样的数量...
我还没有找到一种将其纳入最终解决方案的方法。任何帮助，将不胜感激!

Answer 1

我可能会误解您的问题，但是您是否正在寻找这样的东西？

set.seed(123)
##
DT <- data.table(
  a=c(1,1,1,1:15,1,1), 
  b=sample(1:1000,20))
##
R> DT[,.SD[sample(.N,min(.N,3))],by = a]
     a   b
 1:  1 288
 2:  1 881
 3:  1 409
 4:  2 937
 5:  3  46
 6:  4 525
 7:  5 887
 8:  6 548
 9:  7 453
10:  8 948
11:  9 449
12: 10 670
13: 11 566
14: 12 102
15: 13 993
16: 14 243
17: 15  42

如果 b包含三个或更多值，则从 a_i绘制3个样本，如果 a_i包含三个或更多值，否则我们仅绘制 n值，其中 n( n < 3)是 a_i组的大小。

仅出于演示目的，这是我们从中采样的 b的 a=1的6个可能值(假设您使用与上述相同的随机种子):

R> DT[order(a)][1:6,]
   a   b
1: 1 288
2: 1 788
3: 1 409
4: 1 881
5: 1 323
6: 1 996