在R中按组使用具有特定样本大小的列表，并将其应用于数据集

我有一个像这样的查找文件

id   department     sample_size
1    accounting     2
2    finance        3

id  name     gender    salary_in_K department
1   john     M         $60         accounting
2   karina   F         $45         accounting
3   angela   F         $70         accounting
4   mike     M         $40         accounting
5   ken      M         $25         accounting
6   fin      M         $37         finance
7   riley    F         $58         finance
8   joe      M         $61         finance
9   dre      M         $32         finance
10  kelly    F         $85         finance
11  lisa     F         $33         finance

我有一个像这样的数据框

id   department     sample_size
1    accounting     2
2    finance        3

id  name     gender    salary_in_K department
1   john     M         $60         accounting
2   karina   F         $45         accounting
3   angela   F         $70         accounting
4   mike     M         $40         accounting
5   ken      M         $25         accounting
6   fin      M         $37         finance
7   riley    F         $58         finance
8   joe      M         $61         finance
9   dre      M         $32         finance
10  kelly    F         $85         finance
11  lisa     F         $33         finance

所以我期望的输出是5行，随机来自df，其中2行来自会计，3行来自财务

输出将包含数据帧中的所有列，但只有5行

---

谢谢

这里有一个tidyverse解决方案，使用dplyr、tidyr和purrr。假设查找数据帧为df1，数据为df2

我们使用嵌套将每个部门的数据存储在数据列中。然后与查找数据连接，并使用pmap为sample_n提供正确的参数，将采样数据存储在sampled中。最后，我们选择department，sampled和unnest将采样数据返回到行中

library(dplyr)
library(tidyr)
library(purrr)

set.seed(1001) # for reproducibility

df2 %>% 
  nest(data = -department) %>% 
  left_join(df1) %>% 
  mutate(sampled = pmap(list(data, sample_size), sample_n)) %>% 
  select(department, sampled) %>% 
  unnest(cols = sampled)

结果:

# A tibble: 5 x 5
  department    id name   gender salary_in_K
  <chr>      <int> <chr>  <chr>  <chr>      
1 accounting     3 angela F      $70        
2 accounting     5 ken    M      $25        
3 finance        8 joe    M      $61        
4 finance        9 dre    M      $32        
5 finance       10 kelly  F      $85

下面是data.table解决方案，df1是您的查找表，我们可以从中生成命名向量，df2是主data.frame：

图书馆数据表 setDTdf2转换为data.table df1部门id名称性别工资 >1：会计3安吉拉F$70 >2：会计5千元25元 >3：财务部8百万美元61 >4：财务9 dre M$32 >5：财务10凯利F$85 您可以按“部门”将df1查找表与df2联接，并为每个部门随机选择样本大小的行

---

嗨，我注意到你到目前为止已经问了11个问题，但都没有接受。请考虑接受每一个对你的案例最有效的问题的答案。每个帖子你只能接受一个答案，但你可以随意投票。你可以参考