如何将数据框拆分为多个数据框，但将相似的行分组到相同的行中？

Question

我有一个超过 20k 行的数据框。如下是我的数据框的示例：

df <- data.frame(
  ID = c("1234", "edje", "hgt1", "4567", "0900", "wwwl", "yyyt", "5789", "hlkk", "3333"),
  group = c("V1", "V1", "V2", "V2", "V2", "V3", "V3", "UN", "UN", "UN")
)

现在我想将此数据帧拆分为 10 个数据帧，或多或少具有相似数量的行，然后我想将具有相同值的行放在同一数据帧的组列中，除了那些显示“UN”的行在组列中，因为这些行应该随机分布在所有 10 个数据帧中。

我想要这样的东西：

df1 <- data.frame(
  ID = c("1234", "edje", "5789"),
  group = c("V1", "V1", "UN")
)


df2 <- data.frame(
  ID = c("hgt1", "4567", "0900", "hlkk"),
  group = c("V2", "V2", "V2", "UN")
)


df3 <- data.frame(
  ID = c("wwwl", "yyyt", "3333"),
  group = c("V3", "V3", "UN")
)

但就我而言，我想将 df 分为 10 个数据帧。我怎样才能在R中执行此操作？

Answer 1

在这里，我首先制作一个允许的非“联合国”团体的向量。然后我进行一个新的分组，其中“UN”行被随机分配其中之一，然后按该新分组进行拆分。

library(dplyr)
grps <- unique(df$group)
grps <- grps[grps != "UN"]
df %>%
  mutate(group2 = if_else(group == "UN", 
                          sample(grps, nrow(df), replace = TRUE),
                          group)) %>%
  split(.$group2)

EDIT-OP 指定他们的实际问题有超过 4000 个组，他​​们希望将其分成 10 个类似大小的数据帧。这是一个替代示例，其中有 26 个大小截然不同的组（加上一些重新分配的“UN”），我们将其分为 10 个大小相似的组。

df <- data.frame(
  ID = ids::adjective_animal(n = 400),
  group = sample(c(letters, "UN"), 400, replace = TRUE, prob = 27:1)
)

然后我们可以执行与上面相同的步骤，但也将 26 个组分配到 10 个 bin 中：

grps <- unique(df$group)
grps <- grps[grps != "UN"]

df2 <- df %>%
  mutate(group2 = if_else(group == "UN", 
                          sample(grps, nrow(df), replace = TRUE),
                          group))

counts <- count(df2, group2)
df3 <- df2 |>
  left_join(counts |>
              bind_cols(bin = adagio::bpp_approx(counts$n, cap = 42)$xbins))

只是为了检查一下，尽管我们有 26 组大小差异很大的垃圾箱，但这些垃圾箱的大小相似。

count(df3, bin)

   bin  n
1    1 42
2    2 42
3    3 42
4    4 41
5    5 39
6    6 42
7    7 40
8    8 40
9    9 39
10  10 33