r - 如何在R中进行群组匹配？

假设我在下面的data.frame中，treat == 1表示id得到了处理，而prob是treat == 1的计算出的概率。

set.seed(1)
df <- data.frame(id = 1:10, treat = sample(0:1, 10, replace = T))
df$prob <- ifelse(df$treat, rnorm(10, .8, .1), rnorm(10, .4, .4))
df
   id treat      prob
1   1     0 0.3820266
2   2     0 0.3935239
3   3     1 0.8738325
4   4     1 0.8575781
5   5     0 0.6375605
6   6     1 0.9511781
7   7     1 0.8389843
8   8     1 0.7378759
9   9     1 0.5785300
10 10     0 0.6479303

为了最小化选择偏差，我现在希望基于treat和prob的值创建伪处理和控制组:

当具有treat == 1的任何id在任何具有prob的id的0.1 treat == 0范围内时，我希望对group的值进行“处理”。

当具有treat == 0的任何id在任何具有prob的id的0.1 treat == 1范围内时，我希望group的值是“control”。

以下是我希望得到的结果的示例。

df$group <- c(NA, NA, NA, NA, 'control', NA, NA, 'treated', 'treated', 'control')
df
   id treat      prob   group
1   1     0 0.3820266    <NA>
2   2     0 0.3935239    <NA>
3   3     1 0.8738325    <NA>
4   4     1 0.8575781    <NA>
5   5     0 0.6375605 control
6   6     1 0.9511781    <NA>
7   7     1 0.8389843    <NA>
8   8     1 0.7378759 treated
9   9     1 0.5785300 treated
10 10     0 0.6479303 control

我将如何去做呢？在上面的示例中，匹配是通过替换完成的，但是也欢迎不替换的解决方案。

最佳答案

我认为此问题非常适合基数R中的cut。这是如何以向量化的方式进行处理的方法:

f <- function(r) {
      x <- cut(df[r,]$prob, breaks = c(df[!r,]$prob-0.1, df[!r,]$prob+0.1))
      df[r,][!is.na(x),]$id
}

ones <- df$treat==1
df$group <- NA

df[df$id %in% f(ones),]$group <- "treated"
df[df$id %in% f(!ones),]$group <- "control"

> df

   # id treat      prob   group
# 1   1     0 0.3820266    <NA>
# 2   2     0 0.3935239    <NA>
# 3   3     1 0.8738325    <NA>
# 4   4     1 0.8575781    <NA>
# 5   5     0 0.6375605 control
# 6   6     1 0.9511781    <NA>
# 7   7     1 0.8389843    <NA>
# 8   8     1 0.7378759 treated
# 9   9     1 0.5785300 treated
# 10 10     0 0.6479303 control

关于r - 如何在R中进行群组匹配？，我们在Stack Overflow上找到一个类似的问题：https://stackoverflow.com/questions/43520180/