定义案例的R（分层）随机抽样

Posted 2021-05-06

我有一个数据框：

DF <- data.frame(Value = c("AB", "BC", "CD", "DE", "EF", "FG", "GH", "HI", "IJ", "JK", "KL", "LM"),
                 ID    = c(1, 0, 0, 1, 0, 1, 1, 0, 0, 1, 0, 1))

我的问题：我想创建一个新的列，其中包含一个（二进制）随机数（'0'或'1'）用于具有固定比例（或预定义的普遍性）的'ID' == 1病例（例如，随机数'0' x 2和'1'x 4）。

编辑I：对于非特定情况的目的，解决方案可能是：

DF$RANDOM[sample(1:nrow(DF), nrow(DF), FALSE)] <- rep(RANDOM, c(nrow(DF)-4,4))

但是，我仍然需要特定于cas的赋值，并且前面提到的解决方案没有明确地引用'0'或'1'。

（注意：变量'value'与问题无关;只有标识符。）

我在stratified sampling或random row selection上找到了相关的帖子 - 但这个（和其他）帖子没有涵盖这个问题。

非常感谢你提前。

答案

您可以先通过案例ID == 1对数据进行子集化。为了确保出现1和0，我们使用rep函数并在replace函数中将sample设置为False。 这是一个解决方案。

library(data.table)
set.seed(121)
DF[ID == 1, new_column := sample(rep(c(0,1), c(2,4)), .N, replace = F)]
print(DF1)

     Value ID new_column
 1:    AB  1          1
 2:    BC  0         NA
 3:    CD  0         NA
 4:    DE  1          1
 5:    EF  0         NA
 6:    FG  1          1
 7:    GH  1          1
 8:    HI  0         NA
 9:    IJ  0         NA
10:    JK  1          0
11:    KL  0         NA
12:    LM  1          0

另一答案

library(dplyr)
DF <- data.frame(Value = c("AB", "BC", "CD", "DE", "EF", "FG", "GH", 
                           "HI", "IJ", "JK", "KL", "LM"),
                 ID = c(1, 0, 0, 1, 0, 1, 1, 0, 0, 1, 0, 1), 
                 stringsAsFactors = FALSE)
DF %>% group_by(ID) %>% sample_n(4, replace = FALSE)