R语言中按分组比例为数据框列赋值：每组30%行取值为0

依赖说明 #

优先推荐使用dplyr包实现，语法简洁易读，也提供基础R的实现方案无需额外安装包。 #

实现代码 #

方案1：dplyr实现（推荐） #

步骤1：加载包与构造示例数据

# 加载dplyr，未安装先执行 install.packages("dplyr")
library(dplyr)

# 构造示例数据，可替换为你自己的实际数据
df <- data.frame(
  B = rep(c("组1", "组2", "组3"), each = 100),
  other_col = rnorm(300)
)

步骤2：核心赋值逻辑

如果接受比例在30%左右浮动（随机抽样的正常偏差），使用以下代码：

# 固定随机种子可复现结果，不需要可以删除
set.seed(123)

df <- df %>%
  group_by(B) %>% # 按B列分组
  # 组内随机抽样，30%概率取0，70%概率取1（非0值可按需修改）
  mutate(C = sample(c(0, 1), n(), replace = TRUE, prob = c(0.3, 0.7))) %>%
  ungroup()

如果需要严格固定每组30%的行数为0（行数不足时向下取整），修改mutate部分逻辑：

df <- df %>%
  group_by(B) %>%
  mutate(C = ifelse(row_number() %in% sample(n(), size = floor(n()*0.3)), 0, 1)) %>%
  ungroup()

方案2：基础R实现（无需额外安装包） #

set.seed(123)
df$C <- ave(rep(NA, nrow(df)), df$B, FUN = function(x) {
  sample(c(0, 1), length(x), replace = TRUE, prob = c(0.3, 0.7))
})

结果验证 #

可以执行以下代码验证各组0的占比是否符合要求：

df %>% 
  group_by(B) %>% 
  summarise(zero_rate = mean(C == 0))

示例输出如下：
#

注意事项 #

• 每组样本量越小，随机抽样的实际占比和30%的偏差越大，样本量越大结果越准确
• 非0值可以按需修改，比如要替换为其他数值，只需要修改sample函数里的第二个元素即可

内容的提问来源于stack exchange，提问作者NM24