有没有办法从特定的分类变量中过滤固定百分比的样本？

Question

假设我有 1000 名患者的性别数据。我被要求抽取一个大小为 n 的样本，严格满足其中 65% 必须是男性。

部分样本数据（此处性别分布为50%-50%）：

data <- data.frame(patient_id = 1:1000,
               sex = append(rep("male", 500),
                            rep("female", 500))
                   )

在 dplyr.

中使用 sample_n 或 sample_frac 无法真正找到解决此任务的方法

对于 n = 500，结果数据应该是这样的，但是随机 patient_ids。

data.frame(patient_id = 1:500,
           sex = append(rep("male", 325),
                        rep("female", 175))
           )

如有任何见解，我们将不胜感激。

Answer 1

我们可以使用bind_rows，分别过滤。首先，让我们设置行数的值，以便在您想要更改百分比时提供灵活性：

library(tidyverse)

number_of_sample <- 500

male_pct <- 0.65

number_of_male <- number_of_sample * male_pct

number_of_female <- number_of_sample - number_of_male

#For reproducibility setting the seed
set.seed(4)

data %>%
  filter(sex=='male') %>%
  sample_n(size = number_of_male) %>%
  bind_rows(data %>%
              filter(sex=='female') %>%
              sample_n(size = number_of_female))-> sampled_data

检查数字：

sampled_data %>%
  group_by(sex) %>%
  summarise(count=n())

# A tibble: 2 x 2
  sex    count
  <chr>  <int>
1 female   175
2 male     325

Answer 2

这是在一个管道中使用数据嵌套的另一种解决方案。如果您不使用 50/50 拆分，则需要更改比例。

library(tidyverse)
sampled_data = data %>% 
  group_by(sex) %>% 
  nest() %>% 
  ungroup() %>% 
  mutate(prop = c(0.65, 0.35)) %>% 
  mutate(samples = map2(data, prop, sample_frac)) %>% 
  select(-data, - prop) %>% 
  unnest(samples)

sampled_data %>% count(sex)

# A tibble: 2 × 2
  sex        n
  <fct>  <int>
1 female   175
2 male     325

Answer 3

另一个 tidyverse 选项。

library(dplyr)

n <- 150

view <- slice_sample(filter(data, sex == 'male'), n = round(n*0.65)) %>%
  bind_rows(slice_sample(filter(data, sex == 'female'), n = round(n*0.35)))

计算行数得到：

count(view, sex)

#      sex  n
# 1 female 52
# 2   male 98

有没有办法从特定的分类变量中过滤固定百分比的样本？

Is there a way to filter a fixed percentage sample from a specific categoric variable?

random

statistics

r

dplyr