查找匹配的对及其ids以匹配记录

Question

我有一个巨大的数据集，我需要根据一些标准来匹配样本。例如，每一位电影明星在一个地方和自治区找到我两个人(随机)谁不是电影明星。电影明星是1，非电影明星是0.

location<- c('manhattan', 'manhattan' ,'manhattan', 'manhattan', 'manhattan', 'manhattan')
moviestar<- c(0,1,0,0,0,1)
id<- c(1,2,3,4,5,6)
 borough <- c('williamsburg', 'williamsburg', 'williamsburg', 'williamsburg', 'williamsburg','williamsburg')

 df<- data.frame(location,moviestar, borough, id)

我想要创建一个子集，其中有一对电影明星和另外两个非电影明星(随机挑选)居住在同一地点和行政区。有什么建议吗?基本上有6个人住在曼哈顿，曼哈顿住着两颗恒星，我想匹配每颗恒星，在这种情况下，2和6是恒星，那么我想在最终数据中找到匹配对，如下(一些随机配对)：

我期待的输出是这样的，

    matcheddata
    location moviestar borough       id matchpairid
    manhattan    1    williamsburg   2  match1
    manhattan    0    williamsburg   1  match1
    manhttan     0    williamsburg   5  match1
    manhattan    1    williamsburg   6  match2
    manhattan    0    williamsburg   3  match2
    manhttan     0    williamsburg   5  match2

Answer 1

下面是另一种直接产生预期结果的方法，在每一行电影明星后面跟着两行随机挑选的非电影明星：

library(data.table)
setDT(df)[, {
  n_stars <- .SD[moviestar == 1, .N]
  rbind(.SD[moviestar == 1], .SD[moviestar == 0][sample.int(.N, 2L * n_stars)])[
    , pairid := rep(1:n_stars, 3L)][order(pairid)]
}, by = .(location, borough)]

location borough moviestar id pairid 1: manhattan williamsburg 1 2 1 2: manhattan williamsburg 0 3 1 3: manhattan williamsburg 0 1 1 4: manhattan williamsburg 1 6 2 5: manhattan williamsburg 0 4 2 6: manhattan williamsburg 0 5 2

Answer 2

这应该可以做到：

library(data.table)
setDT(df)[, .(moviestar.id = id[moviestar == 1],
              match.id = sample(id[moviestar == 0], 2*sum(moviestar == 1)))
          , by = .(location, borough)]
#    location      borough moviestar.id match.id
#1: manhattan williamsburg            2        3
#2: manhattan williamsburg            6        5
#3: manhattan williamsburg            2        1
#4: manhattan williamsburg            6        4

之后你可以用你喜欢的任何形式按摩它。