Geschichtete Zufallsstichprobe in R nach dem Zusammenführen

Question

Angenommen, wir haben ein ursprüngliches Dataset, das die Population enthält, und wir haben ein verschmolzenes Dataset, das die Population nach dem Zusammenführen mit einem anderen Dataset enthält (also weniger Beobachtungen).

library(tidyverse) 
set.seed(0) 

population_data <- data.frame(ID = c(1:100), 
        industry = sample(1:10, 100, replace = T), 
        size = log1p(runif(100, 1e+03, 1e+08)), 
        performance = runif(100, -0.10, 0.10)) 

merged_data <- population_data[sample(nrow(population_data), 50), ] 

Von diesem ‚verschmolzen‘ Daten-Set, würde Ich mag eine stratisfied Stichprobe auf bestimmten Eigenschaften des ursprünglichen Bevölkerung Datensatz auf, zum Beispiel Industrieebene basierend nehmen.

population_characteristics <- population_data %>% 
    group_by(industry) %>% 
    summarize(avg_industry_size = n()/nrow(population_data), 
      avg_size = mean(size, na.rm = T), 
      avg_performance = mean(performance, na.rm = T)) 

Was in den ‚population_characteristics‘, nachdem er von gruppiert mit denen der einfachste Weg, um eine Probe von 20 Beobachtungen des ‚merged_data‘ Objekt zu nehmen, so dass die Eigenschaften dieser neuen Probe Spiel so eng wie möglich wäre Industrie wieder?

Answer 1

@ycw, ich habe es überprüft, danke. Lassen Sie uns es einfacher machen, nur auf den% der Branche abzustimmen.

library(tidyverse) 
set.seed(1) 

new_sample_size <- 30 

population_data <- data.frame(ID = rep(1:30, each = 3), 
          industry = rep(sample(1:10), each = 3), 
          value = runif(90)) 

merged_data <- population_data[1:60,] 

characteristics <- population_data %>% 
    group_by(industry) %>% 
    summarize(percentage = round(n()/nrow(population_data) * new_sample_size)) 

complete_data <- merged_data %>% 
    nest(-industry) %>% 
    left_join(characteristics, by = "industry") %>% 
    mutate(sample = map2(data, percentage, sample_n)) %>% 
    unnest(sample) 

Dies funktioniert jedoch nicht gewährleistet nicht, dass alle IDs dort bleiben für drei Mal (was wünschenswert ist). Haben Sie eine Idee, dies sicherzustellen?