时间戳

首页 > 解决方案 > 问题：根据 data.table 中其他元素的数量随机选择行？

r - 问题：根据 data.table 中其他元素的数量随机选择行？

问题描述

我在data.table中有一个如下数据集。

想要比较值并根据最少元素的数量选择行。

请找到玩具样品以获得更好的图片。

set.seed(100)
DT <- data.table(CATA = sample(LETTERS[1:4], 4489, replace = T),
                 ITEM = sample(LETTERS[24:26], 4489, prob = c(0.4, 0.3, 0.3),replace = T),
                 VAL  = sample(100:999, 4489, replace = T)
      )

# 4489 is a random-picked number

如果根据CATA

DT[,.N, by = .(CATA, ITEM)][order(CATA)]
#     CATA ITEM   N
#  1:    A    X 433
#  2:    A    Y 323
#  3:    A    Z 342
#  4:    B    X 452
#  5:    B    Y 333
#  6:    B    Z 358
#  7:    C    X 461
#  8:    C    Y 302
#  9:    C    Z 359
# 10:    D    X 461
# 11:    D    Y 344
# 12:    D    Z 321

我可以找到每个类别的最小值。

DTmin <- DT[,.N, by = .(CATA, ITEM)][order(CATA)][,.(MIN = min(N)), by = CATA]

>DTmin
#    CATA MIN
# 1:    A 323
# 2:    B 333
# 3:    C 302
# 4:    D 321

我需要的是通过 DTmin 值来让所有项目在每个类别下都有相同的数字，比如，

DT[,.N, by = .(CATA, ITEM)][order(CATA)]
#     CATA ITEM   N
#  1:    A    X 323 # was 433
#  2:    A    Y 323
#  3:    A    Z 323 # was 342
#  4:    B    X 333 # was 452
#  5:    B    Y 333
#  6:    B    Z 333 # was 358
#  7:    C    X 302 # was 461
#  8:    C    Y 302
#  9:    C    Z 302 # was 359
# 10:    D    X 321 # was 461
# 11:    D    Y 321 # was 344
# 12:    D    Z 321

最后，DT 的行号为3837( sum(DTmin$MIN)*3)

这是我的方式，请在不破坏链条或引入新列的情况下建议更顺畅的方式。

# create a new index column, and remove it.
DTmin[DT, on = .(CATA)][,tmpV:= sample(.N), by = .(CATA, ITEM)][tmpV<MIN][,tmpV:=NULL]

#check
DTmin[DT, on = .(CATA)][,tmpV:= sample(.N), by = .(CATA, ITEM)][tmpV<MIN][,tmpV:=NULL][,.N, by = .(CATA, ITEM)][order(CATA, ITEM)]

#     CATA ITEM   N
#  1:    A    X 322
#  2:    A    Y 322
#  3:    A    Z 322
#  4:    B    X 332
#  5:    B    Y 332
#  6:    B    Z 332
#  7:    C    X 301
#  8:    C    Y 301
#  9:    C    Z 301
# 10:    D    X 320
# 11:    D    Y 320
# 12:    D    Z 320

感谢@ronak-shan

DT[DTmin, on = 'CATA'][, .SD[sample(.N, first(MIN))], .(CATA, ITEM)]

我的解释是，DT[DTmin, on = 'CATA']作为 DT，被发送到下一个块，在 中选择MIN行.N，限制在CATA&定义的框中ITEM。

标签： rdata.tablesample

解决方案

我们可以加入DT，DTmin这样我们就可以得到数据框中的MIN值，CATA并且ITEM我们可以选择MIN行。

library(data.table)
DT[DTmin, on = 'CATA'][, .SD[sample(.N, first(MIN))], .(CATA, ITEM)]

同样，使用dplyr：

library(dplyr)
DT %>%
  left_join(DTmin, by = 'CATA') %>%
  group_by(CATA, ITEM) %>%
  sample_n(first(MIN))

整个组中的所有MIN值都是相同的，我们可以使用其中的任何一个，我使用first一个。

推荐阅读