Finde übereinstimmende Paare und ihre IDs für übereinstimmende Datensätze

Question

Ich habe ein riesiges Dataset, von dem ich nach einigen Kriterien abgeglichene Samples benötige. Zum Beispiel, für jeden Filmstar in einem Ort und Stadtteil finde ich zwei Personen (zufällig), die keine Filmstars sind. Es ist 1 für Filmstar und 0 für Nicht-Filmstar.

location<- c('manhattan', 'manhattan' ,'manhattan', 'manhattan', 'manhattan', 'manhattan') 
moviestar<- c(0,1,0,0,0,1) 
id<- c(1,2,3,4,5,6) 
borough <- c('williamsburg', 'williamsburg', 'williamsburg', 'williamsburg', 'williamsburg','williamsburg') 

df<- data.frame(location,moviestar, borough, id) 

Ich möchte eine Teilmenge erzeugen, die Paare von Filmstar mit zwei anderen nicht-Filmstars (zufällig ausgewählt) leben in der gleichen Position und Gemeinde abgestimmt hat. Irgendwelche Ratschläge? Im Wesentlichen dort sind 6 Leute, die in Manhattan leben und dort sind zwei Sterne, die in Manhattan leben und ich möchte für jeden Stern zusammenpassen, in diesem Fall, 2 und 6 sind Sterne, dann möchte ich gepaarte Paare in den abschließenden Daten haben wie folgt (einige zufällige Paare):

Der Ausgang ich erwarte so ist,

matcheddata 
    location moviestar borough  id matchpairid 
    manhattan 1 williamsburg 2 match1 
    manhattan 0 williamsburg 1 match1 
    manhttan  0 williamsburg 5 match1 
    manhattan 1 williamsburg 6 match2 
    manhattan 0 williamsburg 3 match2 
    manhttan  0 williamsburg 5 match2 

Answer 1

Dies ist ein weiterer Ansatz, um direkt das erwartete Ergebnis zu produzieren, wobei jede Zeile eines Filmstars durch zwei Reihen von zufällig ausgewählten Nicht-Filmstars folgt:

library(data.table) 
setDT(df)[, { 
    n_stars <- .SD[moviestar == 1, .N] 
    rbind(.SD[moviestar == 1], .SD[moviestar == 0][sample.int(.N, 2L * n_stars)])[ 
    , pairid := rep(1:n_stars, 3L)][order(pairid)] 
}, by = .(location, borough)] 

location  borough moviestar id pairid 
1: manhattan williamsburg   1 2  1 
2: manhattan williamsburg   0 3  1 
3: manhattan williamsburg   0 1  1 
4: manhattan williamsburg   1 6  2 
5: manhattan williamsburg   0 4  2 
6: manhattan williamsburg   0 5  2 

Answer 2

Dies sollte es tun:

library(data.table) 
setDT(df)[, .(moviestar.id = id[moviestar == 1], 
       match.id = sample(id[moviestar == 0], 2*sum(moviestar == 1))) 
      , by = .(location, borough)] 
# location  borough moviestar.id match.id 
#1: manhattan williamsburg   2  3 
#2: manhattan williamsburg   6  5 
#3: manhattan williamsburg   2  1 
#4: manhattan williamsburg   6  4 

Sie können es massieren, was auch immer Sie Form wie später .