r语言 - 是否有一种方法来过滤固定百分比样本从一个特定的分类变量?

Question

假设我有1000名患者，其中有他们性别的数据。我被要求画一个大小为n的样本，严格满足65%的人必须是男性

一些样本数据(在这里，性别分布为50%-50%):

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

在dplyr中不能真正看到使用sample_n或sample_frac解决此任务的方法。

对于n = 500，结果数据应该是这样的，但是使用随机的patient_ids。

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

任何有见地的都欢迎。

Answer 1

我们可以使用bind_rows并分别过滤它们。首先，让我们设置行数的值，以便在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

核对号码:

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

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

Answer 3

这是在一个管道中使用数据嵌套的另一种解决方案。如果你不使用50/50的分割，比例需要改变。

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