R样本(按最小单元格大小)

Question

set.seed(1)
data=data.frame(SCHOOL = rep(1:10, each = 1000), GRADE = sample(7:12, r = T, size = 10000),SCORE = sample(1:100, r = T, size = 10000))

我有包含学生考试成绩信息的“数据”。我希望:数一数每所学校的分数，然后取所有学校的最小分数。如下所示：

对于每个学校，计算特定年级的行数。然后，对于每个年级，找出所有学校的最小值。最后，我希望根据步骤2中找到的最小值随机抽样。

所以基本上在这个基本的例子中，有两所学校，分别是7年级和8年级：

​

学校1有7年级的2分，学校1有8年级的3分。

学校2的7年级有1分，学校2有8年级的4分。

因此，新的数据包含来自学校1和学校2的7年级的一个分数，以及来自学校1和学校2的8年级的3个分数，这些分数是随机抽样的。

如下所示：

​

​

我的尝试: data[，.SDsample(x = .N，size =min(sum(年级)，.N))，by =.(学校，年级)

Answer 1

这是按照你对如何一步一步做的描述来做的。

library(data.table)
setDT(data)
data[, N := .N, .(SCHOOL, GRADE)]
data[, N := min(N), GRADE]
data[, .(SCORE = sample(SCORE, N)), .(SCHOOL, GRADE, N)][, -'N']

如果您有多个SCORE-like列，并且希望每个列都保留相同的行，那么您可以在尝试中使用.SD：

data[, .SD[sample(.N, N)], .(SCHOOL, GRADE, N)][, -'N']