按组随机选取连续行的R语言技术实现问题

问题原因 #

你写的代码里，1:counts$counts是长度为3的向量（对应3个学生的考试次数），R在处理sample(1:counts$counts, 1)时只会取向量的第一个元素（也就是5），导致所有学生的起始、结束值都是从1-5里随机选的同一个值，结果完全一致，同时触发警告。

正确解决方案 #

方法一：先生成每个学生的随机范围，再筛选数据 #

library(dplyr)

# 为每个学生生成随机的连续考试范围
student_ranges <- my_data %>%
  group_by(student_id) %>%
  summarise(total_exams = n()) %>%
  rowwise() %>% # 关键：逐行处理每个学生
  mutate(
    start = sample(1:total_exams, 1),
    end = sample(start:total_exams, 1)
  )

# 关联原数据并筛选符合范围的记录
filtered_data <- my_data %>%
  left_join(student_ranges, by = "student_id") %>%
  filter(exam_no >= start & exam_no <= end)

方法二：直接在分组内完成筛选（更简洁） #

library(dplyr)

filtered_data <- my_data %>%
  group_by(student_id) %>%
  mutate(
    total_exams = n(),
    # 每个组内随机生成起始考试号
    start = sample(1:total_exams, 1),
    # 从起始号到最后一次考试里随机选结束号
    end = sample(start:total_exams, 1)
  ) %>%
  # 筛选出在范围内的考试记录
  filter(exam_no >= start & exam_no <= end) %>%
  # 移除临时生成的辅助列
  select(-total_exams, -start, -end)

验证效果 #

每次运行代码，每个学生的连续考试范围都会随机生成，示例结果如下（每次运行结果不同）：

student_id exam_no   result
1           1       2 55.76655
2           1       3 53.81728
3           1       4 74.82202
4           2       1 58.32422
5           2       2 60.38213
6           3       3 37.97265
7           3       4 52.36436
8           3       5 61.62080

内容的提问来源于stack exchange，提问作者stats_noob