根据带有data.table解决方案的id将观察分组到指定数量的组中

Question

我有以下data.table：

dt <- data.table(id = rep(1:5, 5), obs = rnorm(1, n = 25))[order(id)]
dt 

   id      obs
1:  1  0.1470735
2:  1  1.6954685
3:  1  2.3947260
4:  1  2.1782338
5:  1  0.5168873
6:  2 -0.8879545
7:  2  1.9320034
8:  2  2.6269272
9:  2  1.5212627
10: 2 -0.1581711

对于每个id，总共有5个不同的id（数字1到5）和5个观察（obs）。 我想根据id在X ID组中随机将ID组合在一起，并使用分组创建一个新列。 对于这个例子，假设我想最终得到一个像这样的data.table：

   id      obs      group
1:  1  0.1470735      A
2:  1  1.6954685      A
3:  1  2.3947260      A
4:  1  2.1782338      A
5:  1  0.5168873      A
6:  2 -0.8879545      A
7:  2  1.9320034      A
8:  2  2.6269272      A
9:  2  1.5212627      A
10: 2 -0.1581711      A

如果将ID 1和2分配给组A，则将ID 3和4分配给组B，将id 5分配给组C.

我的实际数据集要大得多，并不一定要均匀分组，但我不需要这些组包含相同数量的ID。 我确实需要控制组的一般大小（例如，我希望能够说每组5个ID，如果最后一组只有3个ID，那就没问题）。

有人可以帮我一个优雅的data.table方式来实现这一目标吗？

Answer 1

这与@ Shree的答案相同，只是在rep使用length.out而没有dplyr。

我确实需要控制组的一般大小（例如，我希望能够说每组5个ID，如果最后一组只有3个ID，那就没问题）。

你可以制作一张id表; 在那里分配小组; 并在必要时合并回来：

# bigger, reproducible example
library(data.table)
max_per_group = 5
n_ids = 1e5+1
DT = data.table(id = rep(1:nid, each = max_per_group), obs = 1)

# make an id table
idDT = unique(DT[, "id"])

# randomly assign groups
idDT[, g := sample(rep(.I, each = 5, length.out = .N))]

# merge back if needed
DT[idDT, on=.(id), g := i.g]

您可以参考“我的实际数据集” - 但R允许您处理多个表。 试图在一个地方做所有事情几乎总是适得其反。

Answer 2

编辑：没有注意到你需要data.table 。 我会把它留在这里作为替代。

我正在创建一个id和随机分配组的数据帧。 这将与您的数据相结合，以便按id获取每条记录的组 -

library(dplyr)
library(data.table)

dt <- data.table(id = rep(1:5, 5), obs = rnorm(1, n = 25))[order(id)]

max_per_group <- 5
n_ids <- length(unique(dt$id))

data.frame(id = unique(dt$id), grp = sample(rep(LETTERS, max_per_group), n_ids)) %>%
  left_join(dt, ., by = "id")

   id         obs grp
1   1  1.28879713   S
2   1  1.04471197   S
3   1  0.36470847   S
4   1  0.46741567   S
5   1  1.07749891   S
6   2  1.73640785   K
7   2  1.61144042   K
8   2  2.85196859   K
9   2  1.84848117   K
10  2  2.11395863   K
11  3  0.88623462   S
12  3  2.11706351   S
13  3  1.29225433   S
14  3  0.30458037   S
15  3 -1.72070005   S
16  4  2.24593162   U
17  4  2.10346287   U
18  4  2.28724412   U
19  4  0.02978044   U
20  4  0.56234660   U
21  5  2.92050008   F
22  5  1.08048974   F
23  5  0.58885261   F
24  5  1.53299092   F
25  5  1.47271123   F