如何使用SAS从每对双胞胎中随机选取1名儿童

当前你手里的数据集已经完成单胎、双胞胎样本的分组，要从twins组每对双胞胎中随机抽取1名个体，可直接按照同对双胞胎共享的maternalid作为分组依据实现抽样，两种常用编程语言的实现方案如下：

• Python（pandas环境）
  先确认twins组数据已经读入为DataFrame格式，直接按maternalid分组后每组随机抽取1行即可，也可固定随机种子保证抽样结果可复现：

import pandas as pd

# 读入twins组数据
twins_df = pd.read_csv("twins_group.csv")

# 按母源ID分组，每组随机抽1个样本
sampled_twins = twins_df.groupby("maternalid", group_keys=False).sample(n=1, random_state=42)

抽样完成后可核对sampled_twins的maternalid列无重复值，即为符合要求的结果。

• R（dplyr环境）
  实现逻辑和Python一致，代码示例如下：

library(dplyr)

# 读入twins组数据
twins_df <- read.csv("twins_group.csv")

# 按母源ID分组，每组随机抽1个样本
sampled_twins <- twins_df %>%
  group_by(maternalid) %>%
  slice_sample(n = 1, random_state = 42) %>%
  ungroup()

如果你的数据集存在maternalid重复但超过2条样本的异常情况，可在抽样前先添加过滤步骤，仅保留每组样本数等于2的配对再执行抽样，避免结果出错。

内容的提问来源于stack exchange，提问作者Jordan