随机抽取数据框变量的子集

Question

我正在处理一个大型数据集，其中包含一周内的旅行行为数据。在一周的时间内，人们记录了他们在那周内所进行的各个旅行。每个人都有一个唯一的身份证号码(ID)。我的目标是从可用的每个唯一ID的一周数据中随机选择两天的日记数据（可能包括一个或多个旅行），并将其放入一个新的数据框中。下面是一个示例数据框：

Df1 <- data.frame(ID = c(1,1,1,1,1,1,2,2,2,2,2,2,3,3,3,3,3), 
                  date = c("1st Nov", "1st Nov", "3rd Nov", "4th Nov","4th Nov","5th Nov","2nd Nov", "2nd Nov", "3nd Nov", "4th Nov","5th Nov","5th Nov","2nd Nov", "2nd Nov", "3nd Nov", "4th Nov","5th Nov"))

以上内容如有任何帮助，将不胜感激。

非常感谢，

Katie

- HL_1

---

感谢您添加示例数据，这样回复起来就更容易了。 - Paul Hiemstra

Answer 1

听起来需要使用plyr。为每个用户随机抽取两天进行样本采集：

library(plyr)
ddply(Df1, .(ID), function(x) {
  unique_days = as.character(unique(x$date))
  if(length(unique_days) < 2) {
    randomSelDays = unique_days
  } else {
    randomSelDays = sample(unique_days, 2)        
  }
  return(x[x$date %in% randomSelDays,])
})

这将返回每个唯一标识符所选两天的所有数据。此外，如果某个ID只有一天数据，则返回该天数据。例如：

  ID    date
1  1 1st Nov
2  1 1st Nov
3  1 3rd Nov
4  2 3nd Nov
5  2 5th Nov
6  2 5th Nov
7  3 2nd Nov
8  3 2nd Nov
9  3 3nd Nov

- Paul Hiemstra

---

非常感谢您对代码的帮助 - 它几乎是正确的。 我可能没有很好地解释自己，但是我想要的是在两个特定日期留下所有旅行 - 而不仅仅是每周数据中的两次旅行（因此对于某些人可能会剩下两次旅行，而对于其他人，则可能在一天内进行了三次旅行，在另一天则进行了两次旅行）。例如，原始数据框中的“1”号人物在11月4日进行了两次旅行，因此应包含在第二个数据框中。 - KT_1

你在问题中已经解释得很清楚了，只是我没有仔细阅读 :)。 - Paul Hiemstra

我在处理数据时遇到了一个小问题 - 对于一些ID号码，我只有单日的数据 - 我该如何调整上面的代码以表示如果只有单日，则可以将其纳入新的数据子集（与每个唯一标识符的正常两个选定日期一起）？以下是代码... - KT_1

Df1 <- data.frame(ID = c(1,1,1,1,1,1,2,2,2,2,2,2,3,3,3,3,3,4,5,5), date = c("11Šťł1ŠŚą", "11Šťł1ŠŚą", "11Šťł3ŠŚą", "11Šťł4ŠŚą","11Šťł4ŠŚą","11Šťł5ŠŚą","11Šťł2ŠŚą", "11Šťł2ŠŚą", "11Šťł3ŠŚą", "11Šťł4ŠŚą","11Šťł5ŠŚą", "11Šťł5ŠŚą","11Šťł2ŠŚą", "11Šťł2ŠŚą", "11Šťł3ŠŚą", "11Šťł4ŠŚą","11Šťł5ŠŚą","11Šťł3ŠŚą","11Šťł2ŠŚą","11Šťł2ŠŚą")) - KT_1

我更新了代码，应该可以解决问题。如果你觉得这个答案有用，请标记为正确答案（在赞/踩图标下方打勾）。 - Paul Hiemstra

让我们在聊天中继续这个讨论：http://chat.stackoverflow.com/rooms/5683/discussion-between-paul-hiemstra-and-katie-t - Paul Hiemstra