R语言按分类控制真假比例新增随机布尔值列的实现方法

基础R实现方案 #

利用ave()函数按category分组，每组内生成等量的TRUE/FALSE后打乱顺序：

df$random_bool <- ave(df$category, df$category, FUN = function(group) {
  # 每组生成占比1:1的布尔值后随机打乱
  sample(rep(c(TRUE, FALSE), each = length(group) / 2))
})

如果分组行数为奇数，可调整为如下写法适配：

sample(c(rep(TRUE, ceiling(length(group)/2)), rep(FALSE, floor(length(group)/2))))

dplyr/tidyverse实现方案 #

分组后链式操作，可读性更高：

library(dplyr)

df <- df %>%
  group_by(category) %>%
  mutate(random_bool = sample(rep(c(TRUE, FALSE), each = n() / 2))) %>%
  ungroup()

结果验证 #

执行如下代码即可确认每个分类下的TRUE/FALSE数量符合要求：

table(df$category, df$random_bool)

输出示例：

FALSE TRUE
  NEGATIVE      5    5
  NEUTRAL       5    5
  POSITIVE      5    5

内容的提问来源于stack exchange，提问作者Madamadam