R 从一个数据帧到另一个数据帧的条件随机匹配

我有两个数据帧。一个数据框（

Partners.Missing

）包含195个已结为伴侣的人（已婚、事实上的，等等），我需要使用第二个数据框（

NAsOnly

）中的随机选择来构建伴侣

合作伙伴。缺少的

数据帧信息是：

 str(Partners.Missing)
 'data.frame':  195 obs. of  8 variables:
  $ V1         : Factor w/ 2 levels "Female","Male": 1 1 1 2 1 1 1 2 2 2 ...
  $ V2         : Factor w/ 9 levels "15 - 17 Years",..: 4 4 7 7 4 4 7 3 7 4 ...
  $ V3         : Factor w/ 1 level "Partnered": 1 1 1 1 1 1 1 1 1 1 ...
  $ V4         : Factor w/ 7 levels "Eight or More Usual Residents",..: 1 1 5 2 1 1 1 1 2 5 ...
  $ V5         : Factor w/ 8 levels "1-9 Hours Worked",..: 8 4 8 6 7 8 7 5 4 6 ...
  $ SEX        : chr  "Male" "Male" "Male" "Female" ...
  $ Ageband    : num  4 4 7 7 4 4 7 3 7 4 ...
  $ Inhabitants: num  8 8 6 5 8 8 8 8 5 6 ...

因为V2是一个因素，所以我创建了

Ageband

变量，该变量是

V2

的重新编码，因此最小年龄组（15-17岁）为1，次大年龄组为2，以此类推。

居民

是

V4

的重新编码，再次构造一个数字变量<代码>性别是二进制的“男性”/“女性”

第二个数据帧（

NAsOnly

）上的信息为：

我可以创建新变量，以便

Ageband

和

NAsOnly

中的

incident

是相同的结构，用于匹配。但我被困在如何匹配上了。对于

Partners.Missing

中的每一行，我想做的是使用以下标准从

nasoly

中随机抽取一个观察值：

• 相反的

  性别

  （因此

  伴侣中的“女性”。缺失的

  将与

  NAsOnly中的“男性”匹配

  ）
• “女性”伴侣（无论其来源于哪个数据框）与“男性”伴侣处于同一年龄段，或比“男性”伴侣年轻一岁

• 居民的数量

  是精确匹配的，因此5人家庭中的“女性”只能与5人家庭中的“男性”（年龄段正确）匹配

• nasoly

  中的

  关系

  只能是“合作关系”（“非合作关系”和“不包括在其他地方”也是该数据框中的有效变量条目）*

所以我想要一对一的比赛，我需要随机抽签，而不是第一场。这样做195次，在

Partners.Missing中每次观察一次，这样他们的伴侣就不会再失踪了

我也不能使用第一个或最后一个匹配，因为根据我的标准，
NAsOnly
中可能有许多行匹配-它必须是随机抽取的，否则每次都会从
NAsOnly
中抽取相同的观察值。基本上，类似于从
nasoly
进行替换的随机抽样。无论采样的观测值是否用于构建第三个匹配数据帧，或者采样的观测值是否作为附加列添加到
Partners.Missing
，都无关紧要

*它有四个级别，因为原始较大的数据帧有总计行，所以第四个（未使用的）级别是“总计”

更新：
我曾尝试编写一个for next循环来实现这一点，但它并没有按预期工作。代码是：

 for(i in 1:1) {
   row <- Partners.Missing[i,]
   if(row$V1=="Female")
   matched <- data.frame(row$SEX[i]==Partnered.Censored$SEX &
             row$Inhabitants[i]==Partnered.Censored$Inhabitants &
           (row$Ageband[i]==Partnered.Censored$Ageband | row$Ageband[i]==Partnered.Censored$Ageband+1)
   )
   else
   matched <- data.frame(row$SEX[i]==Partnered.Censored$SEX &
           row$Inhabitants[i]==Partnered.Censored$Inhabitants &
           (row$Ageband[i]==Partnered.Censored$Ageband | row$Ageband[i]==Partnered.Censored$Ageband-1)
   )
 }

for（1:1中的i）{
row在过去的几天里，这一直是我最想做的事情，我似乎已经用下面的代码解决了这个问题。我把这个问题留着回答，以防其他人需要这样做

 for(i in 1:nrow(Partners.Missing)) {
   row <- Partners.Missing[i,]
   result <- merge(row, Partnered.Censored, by=c("SEX","Inhabitants"),suffixes=c(".r",".c"))
   if (row$V1=="Female") {
     result<- subset(result, Ageband.r==Ageband.c | Ageband.r==Ageband.c-1)
   }
   if (row$V1=="Male") {
    result<- subset(result, Ageband.r==Ageband.c | Ageband.r==Ageband.c+1)
   }
   j <- sample(1:nrow(result),1)
   if(i == 1) {
     Matched.Partners <- result[j,]
   }
   if (i > 1) {
   Matched.Partners <- rbind(Matched.Partners,result[j,])
   }
 }

for（1中的i:nrow（Partners.Missing））{
row在过去的几天里，这一直是我最想做的事情，我似乎已经用下面的代码解决了这个问题。我把这个问题留着回答，以防其他人需要这样做

 for(i in 1:nrow(Partners.Missing)) {
   row <- Partners.Missing[i,]
   result <- merge(row, Partnered.Censored, by=c("SEX","Inhabitants"),suffixes=c(".r",".c"))
   if (row$V1=="Female") {
     result<- subset(result, Ageband.r==Ageband.c | Ageband.r==Ageband.c-1)
   }
   if (row$V1=="Male") {
    result<- subset(result, Ageband.r==Ageband.c | Ageband.r==Ageband.c+1)
   }
   j <- sample(1:nrow(result),1)
   if(i == 1) {
     Matched.Partners <- result[j,]
   }
   if (i > 1) {
   Matched.Partners <- rbind(Matched.Partners,result[j,])
   }
 }

for（1中的i:nrow（Partners.Missing））{
一行