dplyr sample_n其中n是分组变量的值 [英] dplyr sample_n where n is the value of a grouped variable
问题描述
dplyr :: sample_n 从每个组的数据框架中提取行。我想使用每个组中分组变量 NDG 的值作为从每个组中提取的行数。 > dg.tmp< - structure（list（Gene = c（CAMK1，GHRL，TIMP4，CAMK1，GHRL，
TIMP4，ARL8B，ARPC4 SEC13，ARL8B，ARPC4，SEC13，
），GLB = c（3,3,3,3,3,10,10,10,10,10,10） NDG = c（1，
1，1，2，2，2，1，1，2，2，2，2）），class = c（tbl_df，tbl，
data.frame），row.names = c（NA，-12L），.Names = c（Gene，GLB，
NDG））
> ; dg< - dg.tmp％>％
dplyr :: group_by（GLB，NDG）
> dg
资料来源：本地数据框架[12 x 3]
组：GLB，NDG
基因GLB NDG
1 A4GNT 3 1
2 ABTB1 3 1
3 AHSG 3 1
4 A4GNT 3 2
5 ABTB1 3 2
6 AHSG 3 2
7 AADAC 10 1
8 ABHD14B 10 1
9 ACVR2B 10 1
10 AADAC 10 2
11 ABHD14B 10 2
12 ACVR2B 10 2
例如，假设正确的随机选择，我想要代码
> dg％>％dplyr :: sample_n（NDG）
输出：
资料来源：本地数据框架[6 x 3]
组：GLB，NDG
基因GLB NDG
1 A4GNT 3 1
2 A4GNT 3 2
3 ABTB1 3 2
4 AADAC 10 1
5 AADAC 10 2
6 ABHD14B 10 2
但是，它出现以下错误：
eval（expr，envir，enclosure）中的错误：未找到对象'NDG'
通过比较，当我使用代码
<$ p $时，
dplyr :: slice 给出了正确的输出p> > dg％>％dplyr :: slice（1：unique（NDG））
在这种情况下，使用独特稍微黑客，但代码
> dg％>％dplyr :: slice（1：NDG）
返回以下警告消息
警告消息：
1：在slice_impl（.data，dots）中：
数字表达式有3个元素：只有第一个使用
2：在slice_impl（.data，dots）中：
数字表达式有3个元素：只有第一个使用
3：在slice_impl（.data，dots）中：
数字表达式有3个元素：只有第一个使用
4：在slice_impl（.data，dots）中：
数字表达式有3个元素：只有第一个使用
由于 NDG 正在评估（在适当的环境中）为 c（1,1,1）或 c（2,2,2），因此 1： NDG 返回上述警告。
关于为什么我收到错误，我知道代码Hadley用于方法sample_n.grouped_df是
sample_n.grouped_df< - function（tbl，size，replace = FALSE，weight = NULL，
.env = parent.frame（））{
assert_that（is.numeric（size），length（size）== 1，size> = 0 ）
weight< - substitute（weight）
index< - attr（tbl，indices）
samples< - lapply（index，sample_group，frac = FALSE ，
tbl = tbl，size = size，replace = replace，weight = weight，.env = .env）
idx< - unlist（sampled）+ 1
grouping_df （tbl [idx，，drop = FALSE]，vars = groups（tbl））
}
可以在相关的 Github页面中找到。因此，我得到错误，因为 sample_n.grouped_df 找不到变量 NGD ，因为它看起来不正确。 / p>
因此，在 dg sample_n 的整洁方法c>获取
资料来源：本地数据框架[6 x 3]
组：GLB，NDG
基因GLB NDG
1 A4GNT 3 1
2 A4GNT 3 2
3 ABTB1 3 2
4 AADAC 10 1
5 AADAC 10 2
6 ABHD14B 10 2
通过对每个组使用随机抽样？
一个可能的答案，但我不相信这是最佳答案：使用 dplyr ::排列数据框的行sample_frac （和一小部分1），然后切片所需的行数：
> set.seed（1）
> dg％>％
dplyr :: sample_frac（1）％>％
dplyr :: slice（1：unique（NDG））
这给出了正确的输出。
来源：本地数据框[6 x 3]
组：GLB，NDG
基因GLB NDG
1 A4GNT 3 1
2 AHSG 3 2
3 A4GNT 3 2
4 ACVR2B 10 1
5 AADAC 10 2
6 ACVR2B 10 2
我想我可以写一个函数，如果需要，可以一行一行。
I have the following grouped data frame, and I would like to use the function dplyr::sample_n to extract rows from this data frame for each group. I want to use the value of the grouped variable NDG in each group as the number of rows to extract from each group.
> dg.tmp <- structure(list(Gene = c("CAMK1", "GHRL", "TIMP4", "CAMK1", "GHRL",
"TIMP4", "ARL8B", "ARPC4", "SEC13", "ARL8B", "ARPC4", "SEC13"
), GLB = c(3, 3, 3, 3, 3, 3, 10, 10, 10, 10, 10, 10), NDG = c(1,
1, 1, 2, 2, 2, 1, 1, 1, 2, 2, 2)), class = c("tbl_df", "tbl",
"data.frame"), row.names = c(NA, -12L), .Names = c("Gene", "GLB",
"NDG"))
> dg <- dg.tmp %>%
dplyr::group_by(GLB,NDG)
> dg
Source: local data frame [12 x 3]
Groups: GLB, NDG
Gene GLB NDG
1 A4GNT 3 1
2 ABTB1 3 1
3 AHSG 3 1
4 A4GNT 3 2
5 ABTB1 3 2
6 AHSG 3 2
7 AADAC 10 1
8 ABHD14B 10 1
9 ACVR2B 10 1
10 AADAC 10 2
11 ABHD14B 10 2
12 ACVR2B 10 2
For example, assuming the correct random selection, I want the code
> dg %>% dplyr::sample_n(NDG)
to output:
Source: local data frame [6 x 3]
Groups: GLB, NDG
Gene GLB NDG
1 A4GNT 3 1
2 A4GNT 3 2
3 ABTB1 3 2
4 AADAC 10 1
5 AADAC 10 2
6 ABHD14B 10 2
However, it gives the following error:
Error in eval(expr, envir, enclos) : object 'NDG' not found
By way of comparison, dplyr::slice gives the correct output when I use the code
> dg %>% dplyr::slice(1:unique(NDG))
It is slightly hackish using unique in this context, however, the code
> dg %>% dplyr::slice(1:NDG)
returns the following warning messages
Warning messages:
1: In slice_impl(.data, dots) :
numerical expression has 3 elements: only the first used
2: In slice_impl(.data, dots) :
numerical expression has 3 elements: only the first used
3: In slice_impl(.data, dots) :
numerical expression has 3 elements: only the first used
4: In slice_impl(.data, dots) :
numerical expression has 3 elements: only the first used
clearly because NDG is being evaluated (in the appropriate environment) as c(1,1,1) or c(2,2,2), and hence 1:NDG returns the above warning.
Regarding why I obtain the error, I know that the code Hadley uses for the method sample_n.grouped_df is
sample_n.grouped_df <- function(tbl, size, replace = FALSE, weight = NULL,
.env = parent.frame()) {
assert_that(is.numeric(size), length(size) == 1, size >= 0)
weight <- substitute(weight)
index <- attr(tbl, "indices")
sampled <- lapply(index, sample_group, frac = FALSE,
tbl = tbl, size = size, replace = replace, weight = weight, .env = .env)
idx <- unlist(sampled) + 1
grouped_df(tbl[idx, , drop = FALSE], vars = groups(tbl))
}
which can be found on the relevant Github page. Thus I obtain the error because sample_n.grouped_df cannot find the variable NGD because it's not looking in the correct environment.
Consequently, is there a neat way of using sample_n on dg to obtain
Source: local data frame [6 x 3]
Groups: GLB, NDG
Gene GLB NDG
1 A4GNT 3 1
2 A4GNT 3 2
3 ABTB1 3 2
4 AADAC 10 1
5 AADAC 10 2
6 ABHD14B 10 2
by using random sampling on each group?
One possible answer, but I'm not convinced it's the optimal answer: permute the rows of the data frame with dplyr::sample_frac (and a fraction of 1), then slice the required number of rows:
> set.seed(1)
> dg %>%
dplyr::sample_frac(1) %>%
dplyr::slice(1:unique(NDG))
This gives the correct output.
Source: local data frame [6 x 3]
Groups: GLB, NDG
Gene GLB NDG
1 A4GNT 3 1
2 AHSG 3 2
3 A4GNT 3 2
4 ACVR2B 10 1
5 AADAC 10 2
6 ACVR2B 10 2
And I suppose I can just write a function to do this in one line if necessary.
这篇关于dplyr sample_n其中n是分组变量的值的文章就介绍到这了，希望我们推荐的答案对大家有所帮助，也希望大家多多支持IT屋！
