在对我之前提出的问题的一些出色回复之后 - selecting n random rows across all levels of a factor within a dataframe - 我一直在考虑扩展这个问题。
上一个问题试图从特定因素的每个级别随机抽取 n 行/观察值,并将所有信息组合到一个新的数据框中。
但是,这种随机抽样对于某些类型的数据可能不是最佳选择。在这里,我想再次为特定因素的每个级别选择 n 行/观察值。这里的主要区别在于,从特定因素的每个级别选择的行/观察结果应该连续。
这是一个示例数据集:
id<-sample(1:20, 100, replace = TRUE)
dat<-as.data.frame(id)
color <- c("blue", "red", "yellow", "pink", "green", "orange", "white", "brown")
dat$colors<- sample(color, 100, replace = TRUE)
要添加到此示例数据集的是每个观察的时间戳。这些将形成我希望采样的顺序。我正在使用此线程中建议的函数 - efficiently generate a random sample of times and dates between two dates - 为此目的:
randomts <- function(N, st="2013/12/09", et="2013/12/14") {
st <- as.POSIXct(as.Date(st))
et <- as.POSIXct(as.Date(et))
dt <- as.numeric(difftime(et,st,unit="sec"))
ev <- sort(runif(N, 0, dt))
rt <- st + ev
}
dat$ts<-randomts(100)
我不确定这是否有必要,但也可以添加一个给出“日”的变量。这是我希望从各个层面抽样的因素。
temp<-strsplit(as.character(dat$ts), " ")
mat<-matrix(unlist(temp), ncol=2, byrow=TRUE)
df<-as.data.frame(mat)
colnames(df)<-c("date", "time")
dat<-cbind(df, dat)
mindate<-as.Date(min(dat$date))
dates<-as.Date(dat$date)
x<-as.numeric(dates-mindate)
x<-x+1
dat$day<-x
as.factor(dat$day) #in this example data there are 6 levels to 'day'.
#EDIT there may be 5 levels to day - depends on how data randomly generated by function
原帖没有准确计算日期。这虽然不完美但更好。看起来不错,但第一天是 day=0,希望什么时候是 day=1
总结一下,就是这个问题。我想创建一个新的数据框,其中包含例如从数据框“dat”的因子日的每个级别随机抽取 5 个连续观察值(即从每天获取的 5 个随机连续观察值)。因此,新数据框将有 30 个观测值。一个额外的警告是,如果我想采样,例如连续 20 个观察值,并且特定级别只有 15 个观察值,然后返回所有 15 个并且没有替换。
我尝试使用 seq_along 来解决这个问题。我似乎能够让它一次对一个变量起作用——例如如果从颜色中采样:
x <- sample(seq_along(dat$colors),1)
dat$colors[x:(x+4)]
这会从可变颜色中生成一个随机抽样的 5 种连续颜色列表。
我无法将此应用于手头的问题。我尝试修改我之前问题的一些答案 selecting n random rows across all levels of a factor within a dataframe - 但似乎无法计算出 seq_along 在任何位置的正确位置。
最佳答案
假设您的 data.frame
按日期排序,这应该对颜色运行进行采样。这里 N
是你想要的每种颜色的数量。对于每个颜色组的运行,返回值 keep
将为 TRUE
。
N <- 5
keep <- with(dat, ave(rep(T, nrow(dat)), colors, FUN=function(x) {
start <- sample.int(max(length(x)-N,1),1)
end <- min(length(x), start+N-1)
r <- rep(c(F,T,F), c(start-1, end-start+1, length(x)-end))
}))
dat[keep, ]
此方法不查看任何 day
值。它只是找到随机运行的 N
观察值。如果特定组的观察结果少于 N
,它只会返回较少的每个类别。
关于r - 在数据帧中的一个因子的所有级别中选择 n 个随机采样的连续行,我们在Stack Overflow上找到一个类似的问题: https://stackoverflow.com/questions/23836875/