Question

假设我们有公司的支出数据，我们有不同项目的支出价值。我们如何采取样本，使样本中的支出总和占原始总支出的一定比例（比如说80％）（人口数据）？请帮忙！

Answer 1

为再现性设置种子：

set.seed(12345)

创建一些样本数据，包含100个项目：

dat <- data.frame(proj = 1:100,
                exp = sample(100:1000, 100, replace = TRUE))
totalexp <- sum(dat$exp)

随机排序数据

ord <- sample(1:nrow(dat),nrow(dat))
dat <- dat[ord,]

添加每个项目的总支出百分比：

dat$exp.prop <- dat$exp/totalexp

计算这些比例的累计总和：

dat$exp.cumsum <- cumsum(dat$exp.prop)

找到累积金额首先超过80％阈值的项目索引，并将项目样本作为该索引之前的所有项目：

proj.sample <- dat$proj[1:(which(dat$exp.cumsum>0.80)[1]-1)]

proj.sample
 [1]  30  62  96  60  51  86  97  81  24  20  55  35  67  34  69  77  83  49   1  26  45
[22]  41   7  53  54  61  70  14  21  90   3  47  56  80  63  57  88  12  78  50  32  79
[43]  13  36   9  85  76  27  48  19  42  28  39  17  10  65  31  98  64  25 100  92  33
[64]  44  73  18  87   6  71  58  40  38  72  68  46  43  95  22

如何获得有条件的数据子集？

1 个答案: