提问人：bvowe 提问时间：3/25/2020 最后编辑：bvowe 更新时间：3/25/2020 访问量：87
来自不同 data.frame 的示例
Sample from different data.frame
问：
data1=data.frame("Group1" = sample(1:2,100,r=T),
"Group2" = sample(c('a','b'),100,r=T),
"V1" = sample(1:3, 100, r=T),
"V2" = sample(0:1, 100, r=T),
"V3" = sample(1:5, 100, r=T),
"V4" = sample(1:2, 100, r=T))
data2=data.frame("Group1"=c(1,1,2,2),
"Group2"=c('a','b','a','b'),
"Size"=c(9,7,6,10),
"V1"=c(NA),
"V2"=c(NA),
"V3"=c(NA),
"V4"=c(NA))
我有包含我的数据的“data1”。然后我有'data2'，它有'Group1'和'Group2'以及'Size'。 我希望的是按（“Group1”和“Group2”）对我的数据进行分组，并从“data1”中随机抽取大小为“Size”的样本，以在data2中填写V1-V4。
有希望的输出如下所示，但根据“data1”填充了 NA 值
library(dplyr);library(tidyr)
data3= data2 %>%
uncount(Size)
答：
6赞
IceCreamToucan
3/25/2020
#1
library(data.table)
setDT(data1)
setDT(data2)
# sample indices from each group
i <-
data2[data1, on = .(Group1, Group2)
][, .(i_samp = sample(.I, Size)), by = .(Group1, Group2, Size)
][, i_samp]
# subset to sampled indices
merge(data1[i], data2[, .(Group1, Group2, Size)])
# Group1 Group2 V1 V2 V3 V4 Size
# 1: 1 a 3 1 2 2 9
# 2: 1 a 3 1 5 1 9
# 3: 1 a 2 1 4 2 9
# 4: 1 a 3 1 1 1 9
# 5: 1 a 3 1 4 1 9
# 6: 1 a 1 0 3 1 9
# 7: 1 a 3 1 1 1 9
# 8: 1 a 1 1 1 2 9
# 9: 1 a 2 0 2 1 9
# 10: 1 b 2 0 5 2 7
# 11: 1 b 3 0 5 2 7
# 12: 1 b 3 1 4 2 7
# 13: 1 b 1 1 1 1 7
# 14: 1 b 1 1 4 1 7
# 15: 1 b 1 0 1 1 7
# 16: 1 b 1 0 3 1 7
# 17: 2 a 2 0 5 1 6
# 18: 2 a 1 0 5 1 6
# 19: 2 a 3 1 1 2 6
# 20: 2 a 1 0 2 1 6
# 21: 2 a 3 1 1 2 6
# 22: 2 a 1 1 3 2 6
# 23: 2 b 3 0 2 1 10
# 24: 2 b 2 1 5 1 10
# 25: 2 b 3 0 1 1 10
# 26: 2 b 3 1 2 1 10
# 27: 2 b 2 0 5 1 10
# 28: 2 b 2 0 2 1 10
# 29: 2 b 2 0 2 2 10
# 30: 2 b 1 0 1 1 10
# 31: 2 b 3 0 5 1 10
# 32: 2 b 3 0 5 1 10
# Group1 Group2 V1 V2 V3 V4 Size
使用的输入数据：
data1=data.frame("Group1" = sample(1:2,100,r=T),
"Group2" = sample(c('a','b'),100,r=T),
"V1" = sample(1:3, 100, r=T),
"V2" = sample(0:1, 100, r=T),
"V3" = sample(1:5, 100, r=T),
"V4" = sample(1:2, 100, r=T))
data2=data.frame("Group1"=c(1,1,2,2),
"Group2"=c('a','b','a','b'),
"Size"=c(9,7,6,10),
"V1"=c(NA),
"V2"=c(NA),
"V3"=c(NA),
"V4"=c(NA))
下面是一个参数化程度更高的版本，您可以在其中显式设置要填充的列以及连接两个表的键
fill_key <- c('Group1', 'Group2')
columns_to_fill <- paste0('V', 1:4)
# sample indices from each group
i <-
data2[data1, on = (fill_key)
][, .(i_samp = sample(.I, Size)), by = c(fill_key, 'Size')
][, i_samp]
# subset to sampled indices
merge(data1[i, c(fill_key, columns_to_fill), with = FALSE],
data2[, c(fill_key, 'Size'), with = FALSE])
评论
0赞
bvowe
3/25/2020
我不确定这是否完全正确。我希望从 data1 中采样并将值填充到 data2 中。所以换句话说，根据 group 和 data1 在 data2 中填写 'NA'。
1赞
IceCreamToucan
3/25/2020
据我所知，这里的输出与您描述的相同。
1赞
IceCreamToucan
3/25/2020
根据新数据进行了更新。
1赞
IceCreamToucan
3/25/2020
该 V1 实际上与您的列名无关，它只是 data.table 为示例索引列提供的默认名称，因为我懒得命名该列。不是很清楚，所以我重写了它以避免混淆使用.我还添加了一个版本，您可以在其中设置要填充的列。V1
1赞
IceCreamToucan
3/25/2020
如果在运行代码之前未将数据转换为 a，则会发生这种情况。将数据转换为 data.table 的方法是运行data.tablesetDT(yourdata)
1赞
tmfmnk
3/25/2020
#2
一种选择是：dplyr
data1 %>%
left_join(data2 %>%
select(-starts_with("V"))) %>%
group_by(Group1, Group2) %>%
sample_n(Size)
Group1 Group2 V1 V2 V3 V4 Size
<dbl> <fct> <int> <int> <int> <int> <dbl>
1 1 a 1 1 1 2 9
2 1 a 3 0 3 2 9
3 1 a 2 0 3 2 9
4 1 a 1 1 2 1 9
5 1 a 2 1 2 2 9
6 1 a 2 0 5 2 9
7 1 a 1 0 1 2 9
8 1 a 3 0 5 2 9
9 1 a 1 0 5 1 9
10 1 b 2 0 1 1 7
11 1 b 2 1 3 1 7
12 1 b 3 1 4 2 7
13 1 b 1 1 1 1 7
14 1 b 2 1 2 2 7
15 1 b 1 1 1 2 7
16 1 b 1 1 2 1 7
17 2 a 3 1 5 1 6
18 2 a 1 0 5 1 6
19 2 a 1 0 1 1 6
20 2 a 2 0 5 1 6
21 2 a 3 0 1 1 6
22 2 a 2 1 4 1 6
23 2 b 3 0 2 1 10
24 2 b 1 1 5 1 10
25 2 b 3 1 1 1 10
26 2 b 3 1 4 1 10
27 2 b 1 0 4 2 10
28 2 b 3 1 1 2 10
29 2 b 2 1 4 1 10
30 2 b 1 0 1 1 10
31 2 b 2 1 4 2 10
32 2 b 2 1 5 2 10
上一个：R dplyr 添加行总数
评论