样本数据。具有不同条件的表行

Question

我有一个多列的数据表。这些列中的一列当前作为“键”工作(例如< code>keyb)。另一列(假设< code>A)中可能有数据，也可能没有数据。我想提供一个向量，每个键随机采样两行，-如果这个键出现在向量中，其中一行包含< code>A中的数据，而另一行不包含。

MRE：

#data.table
trys <- structure(list(keyb = c("x", "x", "x", "x", "x", "y", "y", "y", 
"y", "y"), A = c("1", "", "1", "", "", "1", "", "", "1", "")), .Names = c("keyb", 
"A"), row.names = c(NA, -10L), class = c("data.table", "data.frame"
))
setkey(trys,keyb)

#list with keys
list_try <- structure(list(a = "x", b = c("r", "y","x")), .Names = c("a", "b"))

例如，我可以将＜code＞数据子集。表基于＜code＞list_try

trys[keyb %in% list_try[[2]]]

我最初的想法(也可能是低效的想法)是尝试链接每个键两行的样本，其中< code>A列有数据或没有数据，然后合并。但是它不起作用:

#here I was trying to sample rows based on whether A has data or not
#here for rows where A has no data
trys[keyb %in% list_try[[2]]][nchar(A)==0][sample(.N, 2), ,by = keyb]
#here for rows where A has data
trys[keyb %in% list_try[[2]]][nchar(A)==1][sample(.N, 2), ,by = keyb]

在这种情况下，我的预期输出将是两个data.tables（一个用于a，一个用于list_try中的b），每个出现的元素两行：因此，来自a的data.table将有两行（A中有数据和没有数据），来自b的data.table将有四行（A中有数据和没有数据）。

请让我知道，如果我能使这篇文章更清晰

Answer 1

您也可以将A添加到by语句中，同时通过修改A ! = "" 将其转换为二进制向量，并结合二进制连接（同时添加namatch=0L以删除不匹配项），然后您可以从行索引中进行采样。我通过这两个聚合器，然后从原始数据集中进行子集

对于单个子集情况：

trys[trys[list_try[[2]], nomatch = 0L, sample(.I, 1L), by = .(keyb, A != "")]$V1]
#    keyb A
# 1:    y 1
# 2:    y  
# 3:    x 1
# 4:    x  

对于更一般的情况，当您要根据密钥列表创建单独的数据集时，您可以轻松地将其嵌入到lapply中

lapply(list_try, 
       function(x) trys[trys[x, nomatch = 0L, sample(.I, 1L), by = .(keyb, A != "")]$V1]) 
# $a
# keyb A
# 1:    x 1
# 2:    x  
# 
# $b
# keyb A
# 1:    y 1
# 2:    y  
# 3:    x 1
# 4:    x