重新采樣可變長度的組，使組長度相等（R，dplyr）

Question

我有一個數據集，其中組之間的行數可以變化。 我需要在每個組中隨機進行替換采樣，以使行數等於預定值。

下面我有一個示例DATA和所需的RESULT表。 在這個例子中，我需要隨機抽樣每個組，以便每個SITE有4行。 此外，由於SITE$A已有4行，因此不應對其進行重新采樣。

請注意RESULT表如何保留STUFF:STUFF3列中的數據順序。 我更喜歡使用dplyr的答案，因為我廣泛使用這個包，但我對其他解決方案dplyr 。

  NUMBER = 4

    DATA = data.frame(SITE = c("A","A","A","A","B","B","B","C","C"),  
                      STUFF = c(1, 2, 30, 40, 100, 200, 300, 5000, 6000),
                      STUFF2 = c(2, 4, 60, 80, 200, 400, 600, 10000, 12000),
                      STUFF3 = c(4, 8, 120, 160, 400, 800, 1200, 20000, 24000))



   RESULT = data.frame(SITE = c("B","C","C"), 
                    STUFF = c(200, 5000, 5000),
                    STUFF2 = c(400, 10000, 10000),
                    STUFF3 = c(800, 20000, 20000))

我已嘗試過以下代碼的各種迭代......但沒有成功。 提前致謝。

RESULT = group_by(DATA, SITE)%>%
  sample_n(NUMBER - length(.), replace = TRUE)

Answer 1

如果我正確地理解了這個問題，那么RESULT就是DATA的一種補充數據幀，例如當它們組合在一起時，每組會產生4行。

NUMBER <- 4

set.seed(1234)

RESULT2 <- DATA %>%
  group_by(SITE) %>%
  mutate(n = n(),
         sampsize = as.numeric( ifelse(n>=NUMBER,0,NUMBER-n)) ) %>%
  do( sample_n(., size=.$sampsize[1], replace=TRUE ) ) %>%
  select( -n, -sampsize ) %>%
  ungroup()

RESULT2

產生這個：

Source: local data frame [3 x 4]

  SITE STUFF STUFF2 STUFF3
1    B   100    200    400
2    C  6000  12000  24000
3    C  6000  12000  24000

如果需要完整的數據集（將DATA和RESULT成一個具有特定排序要求的data.frame），則可以使用以下內容：

NUMBER <- 4

set.seed(1234)

RESULT3 <- DATA %>%
  group_by(SITE) %>%
  mutate(n = n(),
         sampsize = as.numeric( ifelse(n>=NUMBER,0,NUMBER-n)) ) %>%
  do( rbind(.,sample_n(., size=.$sampsize[1], replace=TRUE )) ) %>%
  select( -n, -sampsize ) %>%
  ungroup()

RESULT3

產生這個：

Source: local data frame [12 x 4]

   SITE STUFF STUFF2 STUFF3
1     A     1      2      4
2     A     2      4      8
3     A    30     60    120
4     A    40     80    160
5     B   100    200    400
6     B   200    400    800
7     B   300    600   1200
8     B   100    200    400
9     C  5000  10000  20000
10    C  6000  12000  24000
11    C  6000  12000  24000
12    C  6000  12000  24000

請注意，如果NUMBER小於組中的記錄數，則RESULT3將顯示未修改的整個組。

Answer 2

這是@akhmed代碼的一個版本，它結合了mutate語句。 使用dplyr的do函數我會變得更好。 謝謝。

RESULT4 <- group_by(DATA, SITE) %>%
      mutate(sampsize = NUMBER - n())%>%
      do (sample_n(., size = .$sampsize[1], replace=TRUE )) %>%
      select(-sampsize ) %>%
      ungroup()