在数据帧中的所有因子级别中随机选择n个连续行。
在回答了我之前提出的一个问题-- selecting n random rows across all levels of a factor within a dataframe --之后，我一直在考虑对这个问题进行扩展。
前面的问题试图从特定因素的每个级别随机抽样n行/观测，并将所有信息合并到一个新的数据框架中。
然而，对于某些类型的数据来说，这种随机抽样可能不是最优的。在这里，我想再次选择n行/观察每一个特定因素的水平。这里的主要区别是，从特定因素的每个级别中选择的行/观察应该是连续的。
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$colors<- sample(color, 100, replace = TRUE)要添加到这个示例中，数据集是每个观察的时间戳。这些将形成我想要样品的顺序。为此，我使用了这个线程中的一个函数-- efficiently generate a random sample of times and dates between two dates --：
randomts <- function(N, st="2013/12/09", et="2013/12/14") {
st <- as.POSIXct(as.Date(st))
et <- as.POSIXct(as.Date(et))
dt <- as.numeric(difftime(et,st,unit="sec"))
ev <- sort(runif(N, 0, dt))
rt <- st + ev
}
dat$ts<-randomts(100)我不确定这是否必要，但也有可能添加一个变量，给出‘天’。这是我希望从各个层面进行抽样的因素。
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$day) #in this example data there are 6 levels to 'day'.
#EDIT there may be 5 levels to day - depends on how data randomly generated by function 原帖没有准确计算日数。这虽然不完美，但还是更好。似乎没问题，但第一天是day=0，什么时候可以是day=1？
总之，问题在于。我想要创建一个新的数据，其中包含5个连续的观测，例如，从数据数据的每个因子日的每一级别随机抽样的5个连续观测(即每天随机5个连续观测)。因此，新的数据将有30个观测。另外一个警告是，如果我想对20个连续的观测数据进行采样，而某一特定级别的观测结果只有15个，那么所有的15个数据都会被退回，而且没有任何替代的地方。
为了解决这个问题，我试着和seq_along玩了一圈。我似乎能够让它一次只对一个变量起作用--例如，如果从颜色取样：
x <- sample(seq_along(dat$colors),1)
dat$colors[x:(x+4)]这将从可变颜色中产生一个随机抽样的5种连续颜色的列表。
我很难把这个应用到手头的问题上。我试着修改了我以前的问题selecting n random rows across all levels of a factor within a dataframe的一些答案，但似乎无法找到seq_along在任何问题中的正确位置。
回答 1
Stack Overflow用户
发布于 2014-05-23 21:09:44
假设您的data.frame是按日期排序的，这应该是运行颜色的示例。这里N是您想要的每种颜色中的多少。对于每个颜色组的运行，返回值keep将是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。它只是找到一个随机运行的N观测。只有当某个特定组的N观测数少于该类别时，它才会返回较少的每个类别。
https://stackoverflow.com/questions/23836875
复制相似问题
腾讯云开发者
