来自data.table的样本

Question

我有一些data.table，我想从中选择一个随机子集，但仅用于某些操作。

假设数据是

dat <- data.table(id=1:100, group=sample(1:20,100, replace=TRUE), a=runif(100), b=rnorm(100))

我想做两件事：

1. 计算每组的ID数
2. 从每个组中随机选择一个ID，并将其值记录在a和b

我可以关注如何动态地从data.table中提取一些随机行并选择

dat[n=.N, a=a[sample(.N,1)], b=b[sample(.N,1)], group]

但是我很害怕，这将选择a并b彼此独立。有没有选择相同的方法？

Answer 1

第1部分

如果您要计算唯一ID的数量，并且某些ID在组内重复

dat[, .(n_ids = uniqueN(id)), group]

如果ID在组内不重复，或者您不想唯一地对它们进行计数

dat[, .(n_ids = .N), group]

第2部分

如果ID在组内重复，并且您想返回每个组中随机选择的ID的所有行

dat[dat[, .(id = sample(id, 1)), group], on = .(id, group)]

如果ID不重复，或者您只希望每个组一行

dat[dat[, sample(.I, 1), group]$V1]

感谢Frank的评论，您也可以在一行中为上面的第1部分和第2部分做第二个选择。这样返回行，dat[dat[, sample(.I, 1), group]$V1]但还会添加一列以N显示id的数量（假定等于组中的行数）

dat[sample(.N), c(.SD[1], .N), keyby=group]