根据R中的概率绘制行

Question

我有两个数据集。 我想根据第一个数据集的“概率”为第二个数据集的每一行分配第一个数据集中的“组”。 我想做的逻辑如下：

1. 按时期和社会演示对第一和第二数据集进行分组。
2. 对于第一个数据集中的每个社会演示概率，从具有相同时期和社会的第二个数据集中随机抽取行数
3. 相应地分配一个“组”（有 4 个组）

我的数据集：

时期	团体	社会演示	概率
01.2021-03.2021	1个	20yo_West_old_3child	60
01.2021-03.2021	2个	20yo_West_old_3child	20
01.2021-03.2021	3个	20yo_West_old_3child	10
01.2021-03.2021	4个	20yo_West_old_3child	10
01.2021-03.2021	1个	20yo_West_old_2child	50
01.2021-03.2021	2个	20yo_West_old_2child	20
01.2021-03.2021	3个	20yo_West_old_2child	25
01.2021-03.2021	4个	20yo_West_old_2child	5个

时期	ID	社会演示	重量
01.2021-03.2021	1个	20yo_West_old_3child	0.1
01.2021-03.2021	2个	20yo_West_old_3child	0.11
01.2021-03.2021	3个	20yo_West_old_3child	0.69
01.2021-03.2021	4个	20yo_West_old_3child	0.14
01.2021-03.2021	5个	20yo_West_old_3child	0.98
01.2021-03.2021	6个	20yo_West_old_3child	0.89
01.2021-03.2021	7	20yo_West_old_3child	0.45
01.2021-03.2021	8个	20yo_West_old_3child	0.1
01.2021-03.2021	9	20yo_West_old_3child	0.4
01.2021-03.2021	10	20yo_West_old_3child	0.3

我想获得：

时期	ID	社会演示	重量	团体
01.2021-03.2021	1个	20yo_West_old_3child	0.1	1个
01.2021-03.2021	2个	20yo_West_old_3child	0.11	1个
01.2021-03.2021	3个	20yo_West_old_3child	0.69	2个
01.2021-03.2021	4个	20yo_West_old_3child	0.14	1个
01.2021-03.2021	5个	20yo_West_old_3child	0.98	4个
01.2021-03.2021	6个	20yo_West_old_3child	0.89	1个
01.2021-03.2021	7	20yo_West_old_3child	0.45	3个
01.2021-03.2021	8个	20yo_West_old_3child	0.1	1个
01.2021-03.2021	9	20yo_West_old_3child	0.4	2个
01.2021-03.2021	10	20yo_West_old_3child	0.3	1个

我试过：

df2 %>%
  left_join(df1) %>%
  tidyr::uncount(Probabilities) %>%
  group_by(Period, ID) %>%
  slice_sample(n = 1) %>%
  ungroup()

但不幸的是，这给了我错误：*尚不支持长向量。 要求output必须小于2147483647 *

感谢您的帮助

Answer 1

此处提供了用于执行您描述的任务的 R 代码示例：

library(dplyr)

df1 <- data.frame(Period = c("01.2021-03.2021", "01.2021-03.2021", "01.2021-03.2021", "01.2021-03.2021", "01.2021-03.2021", "01.2021-03.2021", "01.2021-03.2021", "01.2021-03.2021"),
                  Group = c(1,2,3,4,1,2,3,4),
                  socio_demo = c("20yo_West_old_3child", "20yo_West_old_3child", "20yo_West_old_3child", "20yo_West_old_3child", "20yo_West_old_2child", "20yo_West_old_2child", "20yo_West_old_2child", "20yo_West_old_2child"),
                  Probabilities = c(60,20,10,10,50,20,25,5))

df2 <- data.frame(Period = c("01.2021-03.2021", "01.2021-03.2021", "01.2021-03.2021", "01.2021-03.2021", "01.2021-03.2021", "01.2021-03.2021", "01.2021-03.2021", "01.2021-03.2021", "01.2021-03.2021", "01.2021-03.2021"),
                  ID = c(1,2,3,4,5,6,7,8,9,10),
                  socio_demo = c("20yo_West_old_3child", "20yo_West_old_3child", "20yo_West_old_3child", "20yo_West_old_3child", "20yo_West_old_3child", "20yo_West_old_3child", "20yo_West_old_3child", "20yo_West_old_3child", "20yo_West_old_3child", "20yo_West_old_3child"),
                  Weight = c(0.1,0.11,0.69,0.14,0.98,0.89,0.45,0.1,0.4,0.3))

result_df <- df2 %>%
  group_by(Period, socio_demo) %>%
  mutate(Group = sample(df1$Group, n(), replace = TRUE, prob = df1$Probabilities/sum(df1$Probabilities)))

在定义 df1 和 df2 这两个数据帧之前，我们在前面的代码中加载了 dplyr 库。 然后借助dplyr库的group_by和mutate函数执行了你描述的操作：通过socio_demo和Period对df2数据框进行分组，然后根据df1中每个Group的概率随机分配一个Group给df2的每一行.

# Groups:   Period, socio_demo [1]
   Period             ID socio_demo           Weight Group
   <chr>           <dbl> <chr>                 <dbl> <dbl>
 1 01.2021-03.2021     1 20yo_West_old_3child   0.1      3
 2 01.2021-03.2021     2 20yo_West_old_3child   0.11     1
 3 01.2021-03.2021     3 20yo_West_old_3child   0.69     3
 4 01.2021-03.2021     4 20yo_West_old_3child   0.14     1
 5 01.2021-03.2021     5 20yo_West_old_3child   0.98     1
 6 01.2021-03.2021     6 20yo_West_old_3child   0.89     1
 7 01.2021-03.2021     7 20yo_West_old_3child   0.45     1
 8 01.2021-03.2021     8 20yo_West_old_3child   0.1      1
 9 01.2021-03.2021     9 20yo_West_old_3child   0.4      1
10 01.2021-03.2021    10 20yo_West_old_3child   0.3      1