为数据框的一个特定列中的每个唯一值选择随机行

Question

我有一个非常简单的请求，但是我不能通过使用一个代码行来处理。

我想要的只是输入数据帧的子集，在输出数据帧中，对于一个特定数据帧的列的每个唯一值（因子的级别），只有一个随机选择的行

E.x。我有（v2是特定数据框的列）

   v1 v2
1   A  1                      
2   B  1      
3   C  2
4   A  1
5   B  2
6   B  1
7   B  1
8   C  2
9   D  1
10  E  1

想要作为输出数据框：

   v1 v2
1   B  1                      
2   C  2  

提前感谢您的任何建议！

Answer 1

您可以遍历列中的唯一值并查找每个值的行索引，并使用sample随机选择一行索引。像这样：

#  Set seed for reproducible results
set.seed(1)

#  Generate indices
ind <- sapply( unique( df$v2 ) , function(x) sample( which(df$v2==x) , 1 ) )

#  Subset data.frame
df[ ind , ]
#  v1 v2
#2  B  1
#5  B  2

Answer 2

方式比你要求的更多，但我写了一个名为stratified的函数，它允许你从一个或多个组变量中随机抽取data.frame个样本

你可以加载它并像这样使用它：

library(devtools)
source_gist("https://gist.github.com/mrdwab/6424112")
# [1] "https://raw.github.com/gist/6424112"
# SHA-1 hash of file is 0006d8548785ec8a5651c3dd599648cc88d153a4    

## One row
stratified(mydf, "v2", 1)
#    v1 v2
# 10  E  1
# 8   C  2

## Two rows
stratified(mydf, "v2", 2)
#   v1 v2
# 2  B  1
# 6  B  1
# 3  C  2
# 5  B  2

---

我会在某个时候向该功能添加官方文档，但这里有一个摘要，可以帮助您充分利用它：

stratified的论据是：

• df：输入data.frame
• group：构成“分层”的一列或多列的字符向量。
• size：所需的样本量。
  • 如果size的值小于1，则从每个层中采集一个比例样本。
  • 如果size是1或更大的单个整数，则从每个层中获取该样本数。
  • 如果size是整数向量，则为每个层获取指定数量的样本。建议您使用命名向量。例如，如果您有两个层次，“A”和“B”，并且您想要“A”中的5个样本和“B”中的10个样本，则应输入size = c(A = 5, B = 10)。
• select：这允许您在采样过程中对组进行子集化。这是list。例如，如果您的group变量是“Group”，并且它包含三个层次，“A”，“B”和“C”，但您只想从“A”和“C”进行采样，您可以使用select = list(Group = c("A", "C"))。
• replace：对于替换品抽样。