r-如何在每组中选择不同数量的观察

我对来自sas的r比较陌生 我需要在每组中选择不同数量的观察结果。组由两个变量的值标识

ToSelect <- data.frame(
                           key1=c(1,1,1,1,1,2,2,2,2,2,2,2),
                           key2=c("a","a","b","b","b","a","a","a","a","b","b","b"),
                           var1=c(2,3,4,6,2,7,8,5,7,1,8,5)
                          )
NumObs <- data.frame(
                           key1=c(1,1,2,2),
                           key2=c("a","b","a","b"),
                           NumObs=c(1,2,2,1)
                       )

我试着从问题中选择R中每个级别的前80个观察值

ToSelect <- merge(x=ToSelect,y=NumObs,by=c("key1","key2"))
library(plyr)
Selected <- ddply(ToSelect, .(key1,key2), head, n = NumObs)

给

错误：lengthn==1L不是真的

对于专家来说，这可能是一个明显的错误，对于一个标量，一个向量

从同一个问题出发，我试着：

Selected <- do.call(
                     rbind, 
                     lapply(split(ToSelect, c(ToSelect$key1,ToSelect$key2)), head, NumObs)
                    )

给

错误：lengthn==1L不是真的。 此外：警告消息：在 split.defaultx=seq_lennrowx，f=f，drop=drop，…：数据 长度不是拆分变量的倍数

所以，和以前一样的错误，加上多个东西，如果组的长度不同，我不能使用split

然后，我按小组找到了问题观察编号，在我的案例中，我无法使rle/顺序答案起作用，但调整了ddply答案：

ToSelect <- ddply(ToSelect, .(key1, key2), function(z){
                                                         cbind(var1=z$var1,NumObs=z$NumObs,
                                                         data.frame(
                                                                       SeqNum = seq_along(z$key2)
                                                                    )
                                                               )
                                                       }
                 )
Selected <- ToSelect[ToSelect$SeqNum<=ToSelect$NumObs,c("key1","key2","var1")]

这很有效

显然，我的真实数据要大得多，那么有没有其他更好的方法呢？

---

谢谢

以下是一种方法，您可以使用该方法从每组key1和key2对中选择n个观测值。在这种情况下，n由NumObs data.frame中的NumObs指定

为了做到这一点，我使用了dplyr包，但肯定还有其他方法可以做同样的事情

安装软件包并将其加载到库中：

require(dplyr)

I first join=将两个data.frames合并在一起：

df <- left_join(ToSelect, NumObs, by=c("key1", "key2"))

如果希望生成的data.frame不包含NumObs列，可以将其调整为：

df <- df %.% group_by(key1, key2) %.% filter(1:n() <= NumObs) %.% select(-NumObs)

---

如果您希望提高效率，我建议您查看data.table包。这个问题的一个相当直接的解决方案可以是：

#Convert objects to data.table
require("data.table")
ToSelect <- data.table(ToSelect)
NumObs <- data.table(NumObs)

#Merge data
ToSelect <- merge(ToSelect,NumObs,by=c("key1","key2"),all.x=T)

#Provide intra-group ordering variable
ToSelect[,Grp.Seq:=seq(1:.N),by=c("key1","key2")]
Selected <- ToSelect[NumObs>=Grp.Seq]
Selected

   key1 key2 var1 NumObs Grp.Seq
1:    1    a    2      1       1
2:    1    b    4      2       1
3:    1    b    6      2       2
4:    2    a    7      2       1
5:    2    a    8      2       2
6:    2    b    1      1       1

---

如果您对R还是新手，并且经常使用大型数据集，那么从一开始就学习data.table可能是有意义的。我在工作中使用非常大的数据集，而data.frame类在我所做的大部分工作中并不实用。如果需要，可以很容易地在data.frame和data.table之间切换。

如果您正在尝试执行我认为您正在尝试执行的操作，那么data.table将非常有用。这个小小的一行程序基本上是根据NumObs表中给出的所需观察数，按组随机抽样var1的值。尝试：

# Load package
require(data.table)
# Make your data.frames into data.tables                       
ts <- data.table( ToSelect , key = c( "key1","key2"))
no <- data.table( NumObs , key = c( "key1","key2") )

# Join together based on key columns and sample by group
no[ts][ , sample( var1 , NumObs , TRUE ) , by = c("key1","key2") ]
#   key1 key2 V1
#1:    1    a  2 
#2:    1    b  6 #|_ Two observations of group 1b
#3:    1    b  6 #|
#4:    2    a  5 #|_ Two observations of group 2a
#5:    2    a  8 #|
#6:    2    b  5

---

如果您不想如上所述使用替换进行采样，请查看组1b的值-它们相同，然后删除sample的真参数，这样您就不能选择超过每组观察总数的更多观察值。

目前dplyr答案有效，但我肯定会查看data.table，谢谢！

# Load package
require(data.table)
# Make your data.frames into data.tables                       
ts <- data.table( ToSelect , key = c( "key1","key2"))
no <- data.table( NumObs , key = c( "key1","key2") )

# Join together based on key columns and sample by group
no[ts][ , sample( var1 , NumObs , TRUE ) , by = c("key1","key2") ]
#   key1 key2 V1
#1:    1    a  2 
#2:    1    b  6 #|_ Two observations of group 1b
#3:    1    b  6 #|
#4:    2    a  5 #|_ Two observations of group 2a
#5:    2    a  8 #|
#6:    2    b  5