子样本的样本

Question

我想两次从数据集中选择一个样本。实际上，我不想选择它，而是创建一个新的变量sampleNo，它指示一个案例属于哪个样本(一个还是两个)。

假设我有一个包含40个案例的数据集：

data <- data.frame(var1=seq(1:40), var2=seq(40,1)) 

我画的第一个示例(n=10)如下：

data$sampleNo <- 0
idx <- sample(seq(1,nrow(data)), size=10, replace=F)
data[idx,]$sampleNo <- 1

现在，(这里我的问题开始了)我想画第二个示例(n=10)。但是，这个示例应该从不属于第一个示例的情况中提取。还有，"var1“应该是偶数.

因此，对于根本没有绘制的情况，sampleNo应为0，对于属于第一个样本的情况为1，对于属于第二个样本的情况为2 (= sampleNo =0，var1为偶数)。

我试着这样解决这个问题：

idx2<-data$var1%%2 & data$sampleNo==0
sample(data[idx2,], size=10, replace=F)

但是如何将sampleNo设置为2呢？

Answer 1

这里是一个完整的解决方案，你的问题更符合你原来的想法。代码可以缩短，但就目前而言，我试图使它尽可能透明。

# Data
data <- data.frame(var1 = 1:40, var2 = 40:1) 

# Add SampleNo column
data$sampleNo <- 0L

# Randomly select 10 rows as sample 1
pool_idx1 <- 1:nrow(data)
idx1 <- sample(pool_idx1, size = 10)
data[idx1, ]$sampleNo <- 1L

# Draw a second sample from cases where sampleNo != 1 & var1 is even 
pool_idx2 <- pool_idx1[data$var1 %% 2 == 0 & data$sampleNo != 1]
idx2 <- sample(pool_idx2, size = 10)
data[idx2, ]$sampleNo <- 2L

Answer 2

我们可以按以下方式使用setdiff函数：

sample(setdiff(1:nrow(data), idx), 3, replace = F)

setdiff(x, y)将选择不在y中的x元素

setdiff(x = 1:20, y = seq(2,20,2))
 [1]  1  3  5  7  9 11 13 15 17 19

因此，在上面的示例中包括：

data$sampleNo2 <- 0
idx2 <- sample(setdiff(1:nrow(data), idx), 3, replace = F)
data[idx2,]$sampleNo2 <- 1