r - 按ID选择随机样本

Question

我有一个包含 811777 行和 133 个不同工作人员 ID 的数据框。我的数据框如下所示:

  PERS_ID           NEU_DATUM                             
 1      22 2022-03-01 00:00:00 
 2      22 2022-03-01 00:00:00 
 3      22 2022-03-01 00:00:00 
 4      22 2022-03-01 00:00:00 
 5      22 2022-03-01 00:00:00 
 6      22 2022-03-01 00:00:00 
 7      22 2022-03-01 00:00:00 
 8      22 2022-03-01 00:00:00 
 9      22 2022-03-01 00:00:00 
10      22 2022-03-01 00:00:00 

在前 10 行中，您只能看到一个 ID 为“22”的 worker ，但正如我上面所说，我的 df 有 133 个不同的 worker ID。我想取 50 个随机 worker ID 并创建一个新的 df。但我不想要一个 ID 的一行。相反，我想要每一行都有那个 worker ID。所以基本上我的新 df 应该包含 50 个随机 worker ID，我想要这些 worker 的每一行。我已经尝试使用示例代码，但我失败了 :(。提前致谢!

Answer 1

如果您的数据是df，您可以执行以下操作:

df[df$PERS_ID %in% sample(unique(df$PERS_ID), 50),]

或者用data.table

library(data.table)
setDT(df)[PERS_ID %in% sample(unique(PERS_ID),50)]

或与 dplyr:

library(dplyr)
df %>% filter(PERS_ID %in% sample(unique(PERS_ID),50))

您也可以使用连接方法来做到这一点；下面显示了一种使用 dplyr 的方法:

inner_join(
  df, 
  df %>% distinct(PERS_ID) %>% slice_sample(n=50)
)