随机抽取一个组中的一个组

Question

我需要从日期中为每个唯一ID采样一个位置，并且我不想进行替换采样。我的挂断电话是我也不想重复日期

    df<-data.frame(id<-c(1,1,1,1,1,1,2,2,2,2,3,3,3,3), 
date=c(2020-01-01,2020-01-01,2020-01-01,2020-01-02,2020-01-02,2020-01-02, 2020-01-02,2020-01-02,2020-01-03,2020-01-03,2020-01-04,2020-01-03-4,2020-01-04,2020-01-05,2020-01-06,2020-01-06,2020-01-07,2020-01-07), 
location<-c("xy","xy","xy","xy","xy","xy","xy","xy","xy","xy","xy","xy","xy","xy","xy","xy","xy","xy"))

    view(df)

这是我能得到的最接近的

df2<-df %>% 
  group_by(day) %>% 
  sample_n(1, replace = F) %>% 
  group_by(ID) %>% 
  sample_n(1,replace = F)

但是在较大的数据集上，这无法对我需要从中采样的所有可用ID进行采样（尤其是几天范围较小的ID。我觉得应该在那里有一个for循环，我只是没有我自己无法提出。

Answer 1

我认为，这样做的快速启发法可能会在采样中容易产生分布偏差，因此也许您会全力以赴。从技术上讲，不能保证这会在合理的时间内为您提供所需的信息（取决于您的数据）。或完全没有。

您有两个约束：

• “从日期中为每个唯一ID采样位置”;和
• “不想重复日期”。

我假设日期比ID多，否则将是徒劳的。

让我们将第一个约束（id）保留为福音，并进行迭代直到解决第二个约束：

### just for this answer ... do not do this in production
set.seed(42) # R-3.5.3

iter <- 100 # prevent a near-infinite loop
FOUND <- FALSE
while (!FOUND && iter > 0) {
  samp <- do.call(rbind, by(df, df$id, function(z) z[sample(nrow(z), 1),]))
  ### dplyr analog
  # samp <- group_by(df, id) %>% sample_n(1) %>% ungroup()
  FOUND <- length(unique(samp$date)) == nrow(samp)
  iter <- iter - 1L
}
FOUND
# [1] TRUE
iter
# [1] 98

samp
#   id       date location
# 1  1 2020-01-02       xy
# 2  2 2020-01-03       xy
# 3  3 2020-01-04       xy
# 4  4 2020-01-06       xy

显然，这将使用较大的数据集，但如果理论上存在，最终应找到可接受的样本。