r - 选择一个样本来匹配另一个数据集中的变量分布
问题描述
设 x 为具有 5 个变量和 15 个观测值的数据集:
age gender height weight fitness
17 M 5.34 68 medium
23 F 5.58 55 medium
25 M 5.96 64 high
25 M 5.25 60 medium
18 M 5.57 60 low
17 F 5.74 61 low
17 M 5.96 71 medium
22 F 5.56 75 high
16 F 5.02 56 medium
21 F 5.18 63 low
20 M 5.24 57 medium
15 F 5.47 72 medium
16 M 5.47 61 high
22 F 5.88 73 low
18 F 5.73 62 medium
适应度变量值的频率如下:低 = 4,中 = 8,高 = 3。
假设我有另一个数据集 y,它具有相同的 5 个变量但有 100 个观察值。该数据集中适应度变量值的频率如下:低 = 42,中 = 45,高 = 13。
使用 R,我如何从 y 中获得代表性样本,使得样本适应度与 x 中的适应度分布紧密匹配?
我最初的想法是使用 R 中的示例函数并为 prob 参数分配加权概率。然而,使用概率将强制频率分布精确匹配。我的目标是在最大化样本量的同时获得足够接近的匹配。
此外,假设我希望添加另一个约束,其中性别的分布也必须与 x 的分布紧密匹配?
解决方案
y 中的最小频率为 13,对应于“高”健身水平。所以你不能采样超过这个数字。这是你的第一个约束。你想最大化你的样本量,所以你对所有 13 个样本都进行了抽样。为了匹配 x 中的比例,13 应该是你总数的 20%,这意味着你的总数必须是 65 (13/0.2)。因此,其他频率必须为 17(低)和 35(中等)。由于您的 y 中有足够的这些健康水平,您可以将其作为您的样本。如果任何其他采样频率超过 y 中的数字,那么您将有另一个约束,并且必须相应地调整这些。
对于抽样,您首先选择所有具有“高”适应度的记录(确定抽样)。接下来,分别从其他级别进行抽样(分层随机抽样)。最后,将这三者结合起来。
例子:
rm(list=ls())
# set-up the data (your "y"):
df <- data.frame(age=round(rnorm(100, 20, 5)),
gender=factor(gl(2,50), labels=LETTERS[c(6, 13)]),
height=round(rnorm(100, 12, 3)),
fitness=factor(c(rep("low", 42), rep("medium", 45), rep("high", 13)),
levels=c("low","medium","high")))
为采样创建子集:
fit.low <- subset(df, subset=fitness=="low")
fit.medium <- subset(df, subset=fitness=="medium")
fit.high <- subset(df, subset=fitness=="high")
来自低适应度组的样本 17(占总数的 40.5% 或 26.7%)。
fit.low_sam <- fit.low[sample(1:42, 17),]
来自中等健身组的样本 35(占总数的 77.8% 或 53.8%)。
fit.med_sam <- fit.medium[sample(1:45, 35),]
将它们全部结合起来。
fit.sam <- rbind(fit.low_sam, fit.med_sam, fit.high)
我尝试使用 dplyr 的sample_n
andsample_frac
函数来做到这一点,但我认为这些函数不允许您以不同的比例进行分层抽样。
library(dplyr)
df %>%
group_by(fitness) %>%
sample_n(size=c(17,35,13), weight=c(0.27, 0.53, 0.2))
# Error
但是采样包当然可以做到这一点。 数据帧的分层随机抽样
library(sampling)
s <- strata(df, "fitness", size=c(17,35,13), "srswor")
getdata(df, s)
推荐阅读
- excel - 找到最后一行,复制上面的数据并保存为 CSV
- javascript - 我如何制作一个“keyLogger”,当我在 JavaScript 中输入时输入
- python - 根据列匹配的独特条件在 pandas 中创建列
- adonis.js - 在使用 Nuxt.js 的聊天对话中,如何在页面加载时向下滚动到特定 div 的底部?
- linux - 在 WSL2 中替代 systemd 用于 Kafka 安装
- c# - Entity Framework Core 无法更新包含相关对象的对象
- c# - 角色授权抛出“此工作站与主域之间的信任关系失败”
- sql - PostgreSQL LEFT JOIN 与 SUM 和算术运算符
- bixby - 我可以让 Bixby 在 Bixby Studio 中播放音乐吗?
- javascript - 全部显示在选项点击