在R中创建等和群

我正在尝试将data.frame/data.table的一列分为三组，所有组的总和相等

数据首先从最小到最大排序，这样第一组将由大量具有小值的行组成，第三组将由少量具有大值的行组成。这在精神上是通过以下方式实现的：

test <- data.frame(x = as.numeric(1:100000))
store <- 0
total <- sum(test$x)

for(i in 1:100000){

  store <- store + test$x[i]

  if(store < total/3){

    test$y[i] <- 1

  } else {

      if(store < 2*total/3){

        test$y[i] <- 2

      } else { 

        test$y[i] <- 3

      }     
  }    
}

测试可能使用cumsum：

test$z <- cumsum(test$x) %/% (ceiling(sum(test$x) / 3)) + 1

test$z我认为求和/模除方法非常优雅，但它确实运行了一个有点不规则的分配：

> tapply(test$x, test$z, sum)
         1          2          3 
1666636245 1666684180 1666729575 
> sum(test)/3
[1] 1666683333

所以我想我会先创建一个随机排列，并提供类似的东西：

 test$x <- sample(test$x)
 test$z2 <- cumsum(test$x)[ findInterval(cumsum(test$x), 
                                        c(0, 1666683333*(1:2), sum(test$x)+1))]
> tapply(test$x, test$z2, sum)
     91099     116379     129539 
1666676164 1666686837 1666686999 

我必须承认，我对
z2
中条目的命名感到困惑，这或多或少是个问题

使用
BBmisc
软件包中的
binPack
功能：

library(BBmisc)
test$bins <- binPack(test$x, sum(test$x)/3+1)

您可以使用groupdata2中的fold（）并在每个组中获得几乎相同数量的元素：

# Create data frame
test <- data.frame(x = as.numeric(1:100000)) 

# Use fold() to create 3 numerically balanced groups  
test <- groupdata2::fold(k = 3, num_col = "x")

# Watch first 10 rows
head(test, 10)

## # A tibble: 10 x 2
## # Groups:   .folds [3]
##        x .folds
##    <dbl> <fct> 
##  1     1 1     
##  2     2 3     
##  3     3 2     
##  4     4 1     
##  5     5 2     
##  6     6 2     
##  7     7 1     
##  8     8 3     
##  9     9 2     
## 10    10 3 

# Check the sum and number of elements per group
test %>% 
  dplyr::group_by(.folds) %>% 
  dplyr::summarize(sum_ = sum(x),
                   n_members = dplyr::n())

## # A tibble: 3 x 3
##   .folds       sum_ n_members
##   <fct>       <dbl>     <int>
## 1 1      1666690952     33333
## 2 2      1666716667     33334
## 3 3      1666642381     33333

#创建数据帧
测试%
dplyr:：summary（sum）=sum（x），
n_members=dplyr:：n（）
###tibble:3 x 3
##.folds sum_un_u成员
##               
## 1 1      1666690952     33333
## 2 2      1666716667     33334
## 3 3      1666642381     33333
或者您只需在cumsum上进行
剪切

test$z <- cut(cumsum(test$x), breaks = 3, labels = 1:3) 

我认为预购实际上会破坏平等分配，因为当你达到更高的价值时，大尺寸的商品就是你的全部。BondedDust-fair point，但这正是你想要的。我想要一个等额分配，将最小值、中等值和最大值分组在一起
# Create data frame
test <- data.frame(x = as.numeric(1:100000)) 

# Use fold() to create 3 numerically balanced groups  
test <- groupdata2::fold(k = 3, num_col = "x")

# Watch first 10 rows
head(test, 10)

## # A tibble: 10 x 2
## # Groups:   .folds [3]
##        x .folds
##    <dbl> <fct> 
##  1     1 1     
##  2     2 3     
##  3     3 2     
##  4     4 1     
##  5     5 2     
##  6     6 2     
##  7     7 1     
##  8     8 3     
##  9     9 2     
## 10    10 3 

# Check the sum and number of elements per group
test %>% 
  dplyr::group_by(.folds) %>% 
  dplyr::summarize(sum_ = sum(x),
                   n_members = dplyr::n())

## # A tibble: 3 x 3
##   .folds       sum_ n_members
##   <fct>       <dbl>     <int>
## 1 1      1666690952     33333
## 2 2      1666716667     33334
## 3 3      1666642381     33333

test$z <- cut(cumsum(test$x), breaks = 3, labels = 1:3) 

test$z <- cut_interval(cumsum(test$x), n = 3, labels = 1:3)