条件付きでデータのサブセットを取得するにはどうすればよいですか？

Question

異なるプロジェクトに関連する異なる支出額を持つ会社の支出データがあるとします。どのようにして元の総支出（人口データ）の一定割合（例えば80％）のサンプルの支出の合計が得られるようなサンプルを取ることができますか？再現性のため

Answer 1

設定シード：

set.seed(12345) 

は、いくつかのサンプルデータを作成し、100件のプロジェクトで：

dat <- data.frame(proj = 1:100, 
       exp = sample(100:1000, 100, replace = TRUE)) 
totalexp <- sum(dat$exp) 

がランダム

ord <- sample(1:nrow(dat),nrow(dat)) 
dat <- dat[ord,] 

データを注文するための総支出の割合を追加します。各プロジェクト：

これらの比率について

dat$exp.prop <- dat$exp/totalexp 

計算累積合計：

：

dat$exp.cumsum <- cumsum(dat$exp.prop) 

累積合計が最初の80％のしきい値を超えると、そのインデックスの前にすべてのプロジェクトとして、プロジェクトのサンプルを取るプロジェクトのインデックスを探します

proj.sample <- dat$proj[1:(which(dat$exp.cumsum>0.80)[1]-1)] 

proj.sample 
[1] 30 62 96 60 51 86 97 81 24 20 55 35 67 34 69 77 83 49 1 26 45 
[22] 41 7 53 54 61 70 14 21 90 3 47 56 80 63 57 88 12 78 50 32 79 
[43] 13 36 9 85 76 27 48 19 42 28 39 17 10 65 31 98 64 25 100 92 33 
[64] 44 73 18 87 6 71 58 40 38 72 68 46 43 95 22