重新对可变长度的组进行采样，使组长度相等（R，dplyr）

我有一个数据集，其中组之间的行数可以不同。我需要在每个组中随机抽样替换，以便行数等于预定值

下面是一个示例

数据

和所需的

结果

表格。在本例中，我需要随机抽取每个组的样本，以便每个

站点

有4行。此外，由于

SITE$A

已经有4行，因此不应对其重新采样

请注意，

RESULT

表如何在

STUFF:STUFF3

的列中保留数据顺序。我更喜欢使用

dplyr

，因为我广泛使用这个软件包，但我对其他解决方案持开放态度

  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))

我尝试了下面代码的各种迭代……但没有成功。提前谢谢

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

---

如果我正确理解了这个问题，

RESULT

是

数据

的一种补充数据框，例如，当它们组合在一起时，每组将产生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

如果需要完整的数据集（将

数据

和

结果

组合成一个具有特定排序要求的数据帧），则可以使用以下数据集：

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

---

请注意，如果

NUMBER

小于组中的记录数，则

RESULT3

将显示未修改的整个组

这里是@akhmed代码的一个版本，它结合了

mutate

语句。我必须更好地使用

dplyr

中的

do

功能。谢谢

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

RESULT4%
变异（sampsize=NUMBER-n（））%>%
do（样本编号（，大小=.$sampsize[1]，替换=真））%>%
选择（-sampsize）%>%
解组（）

分组依据（数据，站点）%%>%sample\n（4，replace=TRUE）

您的代码重新采样了

站点$A

，不应该重新采样。啊，我明白了。如果要保留所有现有数据，

sample\n

可能是一个错误的选择。可能是，但“sample”也不起作用。主要问题似乎是将组的可变长度合并到

sample\n

size

参数中（例如，

SITE$A

为0，

SITE$B

为1，

SITE$C

为2），它总是归结为

do

函数！！！谢谢我写了一些与你的代码非常相似的代码，但是我没有加入

do

函数。我还稍微修改了您的代码，将

sampsize

计算包装到一行中，而不使用

ifelse

语句。再次感谢。

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

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