选择随机行，直到达到其他列的阈值

Question

我在 R 中有一个 SF 对象。它看起来如下：

Type   Value   Geometry 
A       1        ()
A       3        ()
B       2        ()
A       1        ()
C       4        ()

在几何列中，存储面要素的几何形状。 我想对随机行进行采样，直到达到或超过

Value

列中的值之和时的阈值（假设为 5）。

如果在上例中，对第 1、4、5 行进行了采样，则采样停止。

Answer 1

我不确定这是否是最有效的方法，但是您可以在 for 循环中创建一个子集，删除每个步骤中选取的行，然后计算子集中值的总和，如果达到则停止门槛。我假设采样没有替换。

df1 <- read.table(text = "Type   Value   Geometry 
A       1        ()
A       3        ()
B       2        ()
A       1        ()
C       4        ()", header = T, stringsAsFactors = F)

df1_step <- df1
df1_subset <- data.frame(matrix(ncol = ncol(df1), nrow = 0))

set.seed(123)

for(i in seq_len(nrow(df1))){
  sub_id <- sample(seq_len(nrow(df1_step)), size = 1)
  df1_subset <- rbind(df1_subset, df1_step[sub_id,])
  df1_step <- df1_step[-sub_id,]
  if (sum(df1_subset$Value) >= 5) { break }
}

## sample
df1_subset
#>   Type Value Geometry
#> 3    B     2       ()
#> 2    A     3       ()

## rows that were not picked up
df1_step
#>   Type Value Geometry
#> 1    A     1       ()
#> 4    A     1       ()
#> 5    C     4       ()

^{创建于 2023 年 11 月 10 日，使用 reprex v2.0.2}

Answer 2

您可以使用 while 循环来检查每次迭代的总和：

library(tidyverse)

df <- tibble(type = c('a', 'a', 'b', 'a', 'c'), value = c(1, 3, 2, 1, 4))
samples <- tibble()
sample_sum <- 0

while (sample_sum < 5) {
  ix <- sample(1:nrow(df), size = 1, replace = TRUE)
  samples <- bind_rows(samples, slice(df, ix))
  sample_sum <- sum(samples$value)
}

Answer 3

df <- tibble(type = c('a', 'a', 'b', 'a', 'c'), value = c(1, 3, 2, 1, 4))
set.seed(42)
df[sample(nrow(df)),] |> 
  mutate(cumsum = cumsum(value)) |> 
  filter(lag(cumsum,1, default = 0) < 5) |> 
  select(-cumsum)

这会随机化 DF 中的行，生成“值”的累积和，并在超过 5 的累积和限制后过滤掉所有行。

我使用“滞后”来确保您也获得超出限制的行。