如何在data.table中對組進行採樣，並提出警告

Question

此問題與How do you sample random rows within each group in a data.table?非常相似。

不同之處在於我沒有足夠的信譽來討論這個問題本身。

，讓我們改變克里斯托弗·曼寧的初始數據一點點：

> DT = data.table(a=c(1,1,1,1:15,1,1), b=sample(1:1000,20)) 
> DT 
    a b 
1: 1 102 
2: 1 5 
3: 1 658 
4: 1 499 
5: 2 632 
6: 3 186 
7: 4 761 
8: 5 150 
9: 6 423 
10: 7 832 
11: 8 883 
12: 9 247 
13: 10 894 
14: 11 141 
15: 12 891 
16: 13 488 
17: 14 101 
18: 15 677 
19: 1 400 
20: 1 467 

如果我們嘗試了問題的解決方案：

> DT[,.SD[sample(.N,3)],by = a] 
Error in sample.int(x, size, replace, prob) : 
    cannot take a sample larger than the population when 'replace = FALSE' 

這是因爲在列值是隻出現一次。如果不使用替換（我們不想這麼做），我們不能對三次以內的值進行3次採樣。

我正在努力處理這種情況。我們想品嚐的3倍時，出現的次數爲> = 3，但拉發生的次數，如果它是< 3。例如我們的DT上面我們會想：

 a b 
1: 1 102 
2: 1 5 
3: 1 658 
4: 2 632 
5: 3 186 
6: 4 761 
7: 5 150 
8: 6 423 
9: 7 832 
10: 8 883 
11: 9 247 
12: 10 894 
13: 11 141 
14: 12 891 
15: 13 488 
16: 14 101 
17: 15 677 

可能的解決方案可能涉及sorting的data.table這個樣子，然後用rle()lengths找出在上面的示例函數要使用的n：

> DT <- DT[order(DT$a),] 
> DT 
    a b 
1: 1 102 
2: 1 5 
3: 1 658 
4: 1 499 
5: 1 400 
6: 1 467 
7: 2 632 
8: 3 186 
9: 4 761 
10: 5 150 
11: 6 423 
12: 7 832 
13: 8 883 
14: 9 247 
15: 10 894 
16: 11 141 
17: 12 891 
18: 13 488 
19: 14 101 
20: 15 677 

> ifelse(rle(DT$a)$lengths >= 3, 3,rle(DT$a)$lengths) 
> [1] 3 1 1 1 1 1 1 1 1 1 1 1 1 1 1 

如果我們將「3」 N，這將返回我們應該有多少來自樣a = 1，a = 2，a = 3 ... 我還沒有找到aw可以將其納入最終解決方案。任何幫助，將不勝感激！

Answer 1

我可能會誤解你的問題，但你在尋找類似的東西嗎？

set.seed(123) 
## 
DT <- data.table(
    a=c(1,1,1,1:15,1,1), 
    b=sample(1:1000,20)) 
## 
R> DT[,.SD[sample(.N,min(.N,3))],by = a] 
    a b 
1: 1 288 
2: 1 881 
3: 1 409 
4: 2 937 
5: 3 46 
6: 4 525 
7: 5 887 
8: 6 548 
9: 7 453 
10: 8 948 
11: 9 449 
12: 10 670 
13: 11 566 
14: 12 102 
15: 13 993 
16: 14 243 
17: 15 42 

在那裏我們繪製3個樣品從b爲組a_i如果a_i包含三個或更多個值，否則，我們只繪製n值，其中n（n < 3）是組a_i的大小。

只是爲了演示，這裏是b爲a=1，我們從（假設你用上述同樣的隨機種子）取樣6個可能的值：

R> DT[order(a)][1:6,] 
    a b 
1: 1 288 
2: 1 788 
3: 1 409 
4: 1 881 
5: 1 323 
6: 1 996