具有不等大小組的有效遞回隨機抽樣

這個問題是我之前關于 recursive random sampling Efficient recursive random sampling的問題的后續問題。當組大小相同或每組需要固定數量的樣本時，該執行緒中的解決方案可以正常作業。但是，讓我們想象一個資料集如下；

   ID1 ID2
1    A   1
2    A   6
3    B   1
4    B   2
5    B   3
6    C   4
7    C   5
8    C   6
9    D   6
10   D   7
11   D   8
12   D   9

我們希望為每個 ID1隨機抽樣n 個ID2，并以遞回方式進行。這里的遞回意味著我們從第一個 ID1 移動到最后一個 ID1，如果一個 ID2 已經為一個 ID1 采樣，那么它不應該用于后續的 ID1。假設n = 2，那么預期結果如下；

ID1 ID2
1    A   1
2    A   6
4    B   2
5    B   3
6    C   4
7    C   5
11   D   8
12   D   9

• 對于 ID1 = "A"，正好有兩個潛在的 ID2，所以兩個都被選中。
• 對于 ID1 = "B"，還有兩個潛在的 ID2 可供選擇，因此兩個都被選中。
• 對于 ID1 = "C"，還有兩個潛在的 ID2 可供選擇，因此兩個都被選中。
• 對于 ID = "D"，剩下三個潛在的 ID2 可供采樣，因此從其中隨機選擇兩個。

超出示例中所示的情況會發生什么；

• 每個 ID1總是有一個非零數量的 ID2 可用，但是，所有這些 ID2 都可能已被使用。在這種情況下，ID1 應該被簡單地省略。
• 有可能沒有一個 ID1 將具有 ID2 的指定 n。在這種情況下，應檢索最接近指定 n 的 n。
• ID 不一定是seq(ID1).
• ID2 也可以是類似于 ID1 的字符向量。

樣本df；

df <- structure(list(ID1 = c("A", "A", "B", "B", "B", "C", "C", "C", 
"D", "D", "D", "D"), ID2 = c(1, 6, 1, 2, 3, 4, 5, 6, 6, 7, 8, 
9)), class = "data.frame", row.names = c(NA, -12L))

uj5u.com熱心網友回復：

以下功能似乎可以滿足您的需求。基本上，它遍歷每一組ID1并選擇對應ID2的未被采樣的行。然后它選擇不同的行（在某些組ID1具有重復ID2值的情況下。樣本量將是n或該組的行數中的最小值。

sample <- function(df, n) {
  `%notin%` <- Negate(`%in%`)
  groups <- unique(df$ID1)
  out <- data.frame(ID1 = character(), ID2 = character())
  
  for (group in groups) {
    options <- df %>%
      filter(ID1 == group,
             ID2 %notin% out$ID2)
    
    chosen <- sample_n(options,
                       size = min(n, nrow(options))) %>%
      distinct()
    
    out <- rbind(out, chosen)
  }
  
  out
}

set.seed(123)
sample(df, 2)

  ID1 ID2
1   A   1
2   A   6
3   B   2
4   B   3
5   C   4
6   C   5
7   D   8
8   D   9

一組已經用完的ID1has的情況：輸入：ID2

# A tibble: 10 × 2
   ID1     ID2
   <chr> <dbl>
 1 A         1
 2 A         3
 3 B         1
 4 B         3
 5 C         5
 6 C         6
 7 C         7
 8 C         7
 9 D        10
10 D        20

輸出：

sample(df2, 2)
# A tibble: 6 × 2
  ID1     ID2
  <chr> <dbl>
1 A         3
2 A         1
3 C         6
4 C         7
5 D        20
6 D        10

uj5u.com熱心網友回復：

我不知道我是否過度簡化了問題。請查看以下內容，看看它是否適用于您的情況：

library(tidyverse)


df %>%
  group_split(ID1)%>%
  reduce(~ bind_rows(.x, .y) %>%
           filter(!duplicated(ID2))%>%
           group_by(ID1)%>%
           slice_sample(n=2) %>%
           ungroup, 
         .init = slice_sample(.[[1]], n=2))

# A tibble: 8 x 2
  ID1     ID2
  <chr> <dbl>
1 A         1
2 A         6
3 B         2
4 B         3
5 C         4
6 C         5
7 D         9
8 D         8

免責宣告：未矢量化，因此效率低下

uj5u.com熱心網友回復：

這是使用動態規劃 (DP) 的基本 R 選項

d <- table(df)
nms <- dimnames(d)
res <- list()
for (i in nms$ID1) {
  idx <- which(d[i, ] > 0)
  if (length(idx) >= 2) {
    j <- sample(idx, 2)
    res[[i]] <- nms$ID2[j]
    d[, j] <- 0
  }
}
dfout <- type.convert(
  setNames(rev(stack(res)), names(df)),
  as.is = TRUE
)

這使

  ID1 ID2
1   A   6
2   A   1
3   B   2
4   B   3
5   C   4
6   C   5
7   D   7
8   D   8

對于ID2已經使用的情況，例如，

> (df <- structure(list(ID1 = c(
    "A", "A", "B", "B", "B", "C", "C", "C",
    "D", "D", "D", "D"
  ), ID2 = c(
    1, 3, 1, 2, 3, 3, 4, 5, 4, 5, 6, .... [TRUNCATED]
   ID1 ID2
1    A   1
2    A   3
3    B   1
4    B   2
5    B   3
6    C   3
7    C   4
8    C   5
9    D   4
10   D   5
11   D   6
12   D   1

我們將獲得

  ID1 ID2
1   A   1
2   A   3
3   C   5
4   C   4

標籤：

上一篇：如何從AndroidStudioBumblebee隱藏縮放控制器？

下一篇：Kotlin集合操作的有效性