基于交叉表双条件随机删除数据框子组行的实现问询

看起来你已经完成了group和outcome的交叉表分析，现在想要针对每个(group, outcome)组合的子组，随机删除其中的部分行。下面我会给出几种实用的实现方法，涵盖不同的需求场景：

场景1：指定每个子组保留的固定行数 #

如果希望每个group-outcome子组最终保留固定行数（比如50行，原行数不足则全部保留），可以用dplyr包的分组抽样功能，代码如下：

library(dplyr)

# 先确认原交叉表的子组行数
mytable <- table(Data$outcome, Data$group)
print(mytable)

# 设置每个子组要保留的目标行数
target_n <- 50

# 分组后随机抽样保留目标行数
Data_filtered <- Data %>%
  group_by(group, outcome) %>%
  slice_sample(n = min(n(), target_n)) %>% # n()是当前组的行数，取最小值避免报错
  ungroup()

# 验证筛选后的交叉表
table(Data_filtered$outcome, Data_filtered$group)

场景2：按比例随机删除子组行 #

如果想按比例删除每个子组的行（比如删除30%，保留70%），同样可以用dplyr实现：

keep_prop <- 0.7 # 保留70%的行，即删除30%

Data_filtered <- Data %>%
  group_by(group, outcome) %>%
  slice_sample(prop = keep_prop) %>%
  ungroup()

# 验证结果
table(Data_filtered$outcome, Data_filtered$group)

场景3：仅针对特定子组删除行 #

如果只需要对某个特定的group-outcome组合（比如group=one且outcome=yes）进行删除操作，可以直接定位目标行后随机抽样删除：

# 定位目标子组的所有行索引
target_subset <- which(Data$group == "one" & Data$outcome == "yes")

# 随机选择要删除的行数（比如20行）
delete_indices <- sample(target_subset, size = 20)

# 删除指定行
Data_filtered_specific <- Data[-delete_indices, ]

# 验证结果
table(Data_filtered_specific$outcome, Data_filtered_specific$group)

不用dplyr的base R实现 #

如果你偏好base R，可以通过遍历子组来实现：

# 用interaction生成group和outcome的组合标识
group_combinations <- interaction(Data$group, Data$outcome)
unique_groups <- unique(group_combinations)

# 存储筛选后的子组数据
filtered_data_list <- list()

# 遍历每个子组
for(g in unique_groups){
  # 获取当前子组的所有行
  current_group_rows <- Data[group_combinations == g, ]
  # 随机抽样保留50行（可根据需求修改）
  sampled_rows <- current_group_rows[sample(nrow(current_group_rows), min(nrow(current_group_rows), 50)), ]
  filtered_data_list[[g]] <- sampled_rows
}

# 合并所有子组数据
Data_filtered_base <- do.call(rbind, filtered_data_list)

# 验证
table(Data_filtered_base$outcome, Data_filtered_base$group)

这些方法都能精准地基于group和outcome双条件实现子组内的随机删除操作，你可以根据自己的具体需求选择合适的方案。

内容的提问来源于stack exchange，提问作者Ivo