Dplyr: Необходимо иметь возможность выбирать группы

species <- iris %.% 
  group_by(Species) %.% 
  summarise(wt = sum(Sepal.Length)) %.%
  sample_n(5, replace = T, weight = wt) %.%
  select(-wt)

inner_join(species, iris)

Интересно, почему это было закрыто? Похоже на потенциально полезную функцию

iris %>%
    group_by(Species) %>%
    sample_n(1)

чтобы выбрать все данные из случайного вида, например

Я не думаю, что поведение sample_n должно измениться для групп, потому что выборка внутри групп - это его интуитивное поведение. Однако часто бывает удобно выбирать группы в целом. Это должна быть вторая функция. Вот моя реализация:

sample_n_groups = function(tbl, size, replace = FALSE, weight=NULL) {
   # regroup when done
   grps = tbl %>% groups %>% unlist %>% as.character
   # check length of groups non-zero
   keep = tbl %>% summarise() %>% sample_n(size, replace, weight)
   # keep only selected groups, regroup because joins change count.
   # regrouping may be unnecessary but joins do something funky to grouping variable
   tbl %>% semi_join(keep) %>% group_by_(grps) 
}

Пример @rcorty работает, как и ожидалось

iris %>% group_by(Species) %>% sample_n_groups(1)

+1

Изменить: изменение на dplyr нарушило это решение;

Для тех из вас, кто пришел сюда через поисковую систему в поисках этой функциональности, реализация @MarcusWalz не включает выборку с заменой, когда replace = TRUE . В реализации необходимо использовать right_join (или left_join или inner_join ) для сохранения дубликатов:

sample_n_groups = function(tbl, size, replace = FALSE, weight=NULL) {
  # regroup when done
  grps = tbl %>% groups %>% unlist %>% as.character
  # check length of groups non-zero
  keep = tbl %>% summarise() %>% sample_n(size, replace, weight)
  # keep only selected groups, regroup because joins change count.
  # regrouping may be unnecessary but joins do something funky to grouping variable
  tbl %>% right_join(keep, by=grps) %>% group_by_(grps) 
}

Самозагрузка кластера - это самый распространенный вариант использования этой функции.

@drhagen , в вашей реализации есть ли у вас предложения по созданию нового уникального идентификатора группы?

На самом деле это довольно просто:

sample_n_groups = function(tbl, size, replace = FALSE, weight=NULL) {
  # regroup when done
  grps = tbl %>% groups %>% unlist %>% as.character
  # check length of groups non-zero
  keep = tbl %>% summarise() %>% sample_n(size, replace, weight) %>% 
    mutate(unique_id = 1:NROW(.))
  # keep only selected groups, regroup because joins change count.
  # regrouping may be unnecessary but joins do something funky to grouping variable
  tbl %>% right_join(keep, by=grps) %>% group_by_(grps) 
}

Ответ @drhagen выше выглядит устаревшим. Кажется, сейчас это работает:

sample_n_groups = function(tbl, size, replace = FALSE, weight = NULL) {
  # regroup when done
  grps = tbl %>% groups %>% lapply(as.character) %>% unlist
  # check length of groups non-zero
  keep = tbl %>% summarise() %>% ungroup() %>% sample_n(size, replace, weight)
  # keep only selected groups, regroup because joins change count.
  # regrouping may be unnecessary but joins do something funky to grouping variable
  tbl %>% right_join(keep, by=grps) %>% group_by_(.dots = grps)
}