在数据框中创建列，按因子级别从另一列中采样

Posted 2023-04-14

【中文标题】在数据框中创建列，按因子级别从另一列中采样

【英文标题】：Create column in dataframe that samples from another column by factor levels

【发布时间】：2014-04-22 19:03:55

【问题描述】：

我希望我的数据框dat 的列x3 包含x2 列的随机样本，但随机样本应该只来自x1 列中给出的相同因子水平。我研究了函数by()、ddply() 和sample()，但似乎无法使其工作。我还检查了similar question，但它对我没有帮助。您可以在下面的可重现示例的上下文中看到我尝试的（我希望是）。

这是示例数据框：

dat <- data.frame(x1=c("a","a","a","b","b","b","c","c","c"),x2=1:9);
dat$x1 <- as.factor(dat$x1);
dat;
  x1 x2
1  a  1
2  a  2
3  a  3
4  b  4
5  b  5
6  b  6
7  c  7
8  c  8
9  c  9

然后我生成 x3 的一些非工作尝试如下：

set.seed(99);
by(dat,FUN=dat$x1,dat$x3<-sample(dat$x1,1,replace=FALSE));  #this did not work at all

我也试过了

set.seed(99);
a <- by(dat,dat[,"x1"],function(d)sample(d$x2,3,replace=FALSE),simplify=TRUE);
dat$x3<-a;
a;
dat[, "x1"]: a
[1] 2 1 3
--------------------------------------------------------------------------------------------------- 
dat[, "x1"]: b
[1] 6 5 4
--------------------------------------------------------------------------------------------------- 
dat[, "x1"]: c
[1] 9 7 8
dat;
> dat
  x1 x2      x3
1  a  1 2, 1, 3
2  a  2 6, 5, 4
3  a  3 9, 7, 8
4  b  4 2, 1, 3
5  b  5 6, 5, 4
6  b  6 9, 7, 8
7  c  7 2, 1, 3
8  c  8 6, 5, 4
9  c  9 9, 7, 8

我在a 中找到了我需要的东西，因为存在按因子水平的随机重采样，但a 不是一个简单的向量。我觉得如果a 是一个向量，我将拥有我需要的东西，因为我可以将它分配给dat$x3。总而言之，我希望 dat 变成这样：

dat
  x1 x2 x3  
1  a  1  2  
2  a  2  1  
3  a  3  3  
4  b  4  6  
5  b  5  5  
6  b  6  4  
7  c  7  9  
8  c  8  7  
9  c  9  8  

该解决方案对于具有 >200 万行的数据框应该是有效的。感谢任何人的帮助。我希望在我使用 r 变得更好时将帮助回馈给其他人。

【问题讨论】：

用 plyr 这样的东西应该可以工作：dat <- ddply(dat, .(x1), transform, x3=sample(x2))

或使用基函数：dat$x3 <- do.call(c, tapply(dat$x2, dat$x1, sample))

@beetroot - 这行得通；其他几个人提供的选项也是如此。这有助于弄清楚 ddply。

@Roland - 这很有效，帮助我理解了tapply

【参考方案1】：

 dat$x3 <- ave( dat$x2, dat$x1, FUN=sample)

您构建输出的方式（具有与数据帧的行数相同的条目数）您将在 x1 的不同值中获得 x2 值的排列。 （编辑您的代码以使其运行。）

【讨论】：

这行得通。对于这样的任务，似乎有很多选择