如何从数据子集中随机抽取并引导R中的统计检验

我有一个包含两个变量的数据集，我希望统计测试它们是否在引导循环中相关（即使用Spearman的秩校正和

cor.test（…）

）

我的数据集中的大多数测量值都来自独立的样本单位（我们称之为单位工厂），尽管有些测量值来自同一工厂。为了处理伪复制问题，我希望多次引导统计测试，在每次测试运行中只使用来自每个工厂的一个测量值。因此，在执行相关性测试之前，我需要编写一个引导循环，为每个工厂随机抽取一个测量值（然后将此过程重复99次）

我希望最后得到一个csv文件，其中包含99个测试中每个测试的p值、rho和S统计数据

示例数据：

dput(df)

structure(list(Plant = c(1L, 2L, 3L, 4L, 5L, 6L, 6L, 7L, 8L, 
9L, 10L, 10L, 10L, 11L, 12L, 13L, 14L, 15L, 16L, 17L, 18L, 18L, 
19L, 20L, 21L), Length = c(170L, 232L, 123L, 190L, 112L, 207L, 
93L, 291L, 178L, 206L, 141L, 257L, 304L, 222L, 279L, 192L, 101L, 
253L, 176L, 278L, 311L, 129L, 191L, 205L, 226L), Count = c(7L, 
9L, 5L, 7L, 5L, 6L, 2L, 10L, 6L, 7L, 4L, 8L, 11L, 7L, 8L, 5L, 
5L, 9L, 7L, 6L, 9L, 4L, 5L, 7L, 6L)), .Names = c("Plant", "Length", 
"Count"), class = "data.frame", row.names = c(NA, -25L))


   Plant Length Count
1      1    170     7
2      2    232     9
3      3    123     5
4      4    190     7
5      5    112     5
6      6    207     6
7      6     93     2   
8      7    291    10  etc....

到目前为止，我已经将下面的代码放在一起，首先为每个工厂随机绘制一行，由多行表示，并在运行stats测试之前将这些值与其余数据组合在一起。但是，我现在正努力合并一个引导功能（即

boot（）

或

bootstrap（）

）来运行统计测试并多次执行循环：

# 1. create dataframe without plants with >1 measurement/row (in this example plant 6,10 & 18 have multiple rows)
df_uniq = df[ ! df$Plant %in% c(6,10,18), ]

# 2. create data subsets for each plant with >1 measurement/row
dup1 = df[6:7,]
dup2 = df[11:13,] 
dup3 = df[21:22,]

# 3. randomly draw one row for each plant with multiple measurements
d1_draw = dup1[sample(nrow(dup1), 1), ]
d2_draw = dup2[sample(nrow(dup2), 1), ]
d3_draw = dup3[sample(nrow(dup3), 1), ]

# 4. merge df_uniq with randomly drawn rows for each plant with multiple measurements
df_merge = rbind(df_uniq, d1_draw, d2_draw, d3_draw)

# 5. Test whether the two variables (length & Count) are related and write results to file
cor_res <- cor.test(df_merge$Length, df_merge$Count, method= "spearman")
write.csv(matrix(c(cor_res$statistic, cor_res$p.value, cor_res$estimate)), row.names=c("statistic", "p.value", "rho"), "test_output.csv")

#1。创建数据帧，但不包括测量值/行>1的工厂（在本例中，工厂6、10和18有多行）
df_uniq=df[！df$工厂百分比，单位为%c（6,10,18），]
# 2. 为每个测量值/行大于1的工厂创建数据子集
dup1=df[6:7，]
dup2=df[11:13，]
dup3=df[21:22，]
# 3. 通过多次测量，为每个工厂随机抽取一行
d1_draw=dup1[样本（nrow（dup1），1），]
d2_draw=dup2[样本（nrow（dup2），1），]
d3_draw=dup3[样本（nrow（dup3），1），]
# 4. 将df_uniq与每个工厂随机抽取的行合并，并进行多个测量
df_merge=rbind（df_uniq、d1_draw、d2_draw、d3_draw）
# 5. 测试两个变量（长度和计数）是否相关，并将结果写入文件
cor_res为什么首先提取唯一的行？如果只有一行，则对该植物进行一次采样将导致保持该行，但仍然从具有多行的植物中随机采样

所以你可以做：

set.seed(123)
library(plyr)
ddply(df, .(Plant), function(x) { y <- x[sample(nrow(x), 1) ,] })

#   Plant Length Count howmany
#1      1    170     7       1
#2      2    232     9       1
#3      3    123     5       1
#4      4    190     7       1
#5      5    112     5       1
#6      6    207     6       2
#7      7    291    10       1
#8      8    178     6       1
#9      9    206     7       1
#10    10    257     8       3
#11    11    222     7       1
#12    12    279     8       1
#13    13    192     5       1
#14    14    101     5       1
#15    15    253     9       1
#16    16    176     7       1
#17    17    278     6       1
#18    18    311     9       2
#19    19    191     5       1
#20    20    205     7       1
#21    21    226     6       1

@user1317221：非常感谢关于二次抽样的建议。有没有关于如何将它与stat测试结合到引导循环中的想法？@user1317221。太棒了-正是我想要的！谢谢你的帮助！
# first create your own function:
myrandomcors <- function(P){
ss <- ddply(P, .(Plant), function(x) { y <- x[sample(nrow(x), 1) ,] })
cor_res <- cor.test(ss$Length, ss$Count, method= "spearman")
return(c(stat = cor_res$statistic, p = cor_res$p.value, est = cor_res$estimate))
}

# then repeat it 5 times...
answer <- do.call( rbind, replicate(5, myrandomcors(df), simplify=FALSE ) )

#    > answer
#       stat.S            p   est.rho
#[1,] 352.4557 4.275291e-05 0.7711327
#[2,] 461.2733 4.060286e-04 0.7004719
#[3,] 340.2024 3.159626e-05 0.7790893
#[4,] 368.3967 6.227648e-05 0.7607814
#[5,] 342.4391 3.341956e-05 0.7776369