Dividi i dati in N gruppi uguali

Ho un frame di dati che contiene valori su 4 colonne:

Ad esempio: ID, price, click count,rating

Quello che vorrei fare è "dividere" questo frame di dati in N gruppi diversi in cui ogni gruppo avrà lo stesso numero di righe con la stessa distribuzione di prezzo, conteggio dei clic e attributi di classificazione.

Ogni consiglio è molto apprezzato, dato che non ho la minima idea di come affrontarlo!

Se capisco correttamente la domanda, questo ti darà quello che vuoi. Supponendo che venga chiamato il frame di dati dfe che sia stato Ndefinito, è possibile effettuare questa operazione:

split(df, sample(1:N, nrow(df), replace=T))

Ciò restituirà un elenco di frame di dati in cui ogni frame di dati è costituito da righe selezionate casualmente df. Per impostazione predefinita sample()assegnerà la stessa probabilità a ciascun gruppo.

Questa è una risposta molto tardi, ma ho trovato questa pagina mentre cercavo su Google se il problema, come affermato, fosse mai stato discusso da nessuna parte. Forse la mia risposta sarà di aiuto se qualcuno trova questa pagina da ora in poi.

Ho scritto un pacchetto R, che fa esattamente quello che ha posto la domanda: prende a data.framee crea N gruppi diversi mentre cerca di minimizzare le differenze tra i gruppi in uno o più criteri. Utilizza un metodo semplice basato su un'assegnazione casuale ripetuta , che è anche il metodo suggerito nella risposta approvata.

Questo è il link al pacchetto minDiff :

Per affrontare il problema dichiarato, è possibile utilizzare:

library(minDiff)
assigment <- create_groups(dataframe, criteria_scale = c("price", "click count", "rating"), sets_n = N, repetitions = 1000)

L' repetitionsargomento determinerà la frequenza con cui si creano casualmente gruppi diversi. Verrà restituito il miglior incarico, quello con differenze minime tra i gruppi.

Sebbene la risposta di Alex A offra una probabilità uguale per ciascun gruppo, non soddisfa la richiesta della domanda per i gruppi di avere un numero uguale di righe. In R:

stopifnot(nrow(df) %% N == 0)
df    <- df[order(runif(nrow(df))), ]
bins  <- rep(1:N, nrow(df) / N)
split(df, bins)

Questo può essere risolto con l'annidamento usando tidyr / dplyr

require(dplyr) 
require(tidyr)

num_groups = 10

iris %>% 
   group_by((row_number()-1) %/% (n()/num_groups)) %>%
   nest %>% pull(data)
```