如何"；a组待定“；在R

我试图通过因子级别获取数据帧中行的引导样本。为此，我使用了

ddply

和

sample\n

。但是，我需要为

sample\n

设置一个

size

参数，因为这会返回一条错误消息：

ddply (mtcars, .(carb), .fun = sample_n, replace=TRUE)

在

？示例

中，我阅读了

大小

参数，即如果tbl是分组，大小适用于每个组。我想这就是我要找的，但是我找不到关于如何对

tbl

参数进行分组的任何其他信息。是否尚未在

ddply

函数中分组

---

请注意，我不想对固定数量的行运行上述函数（ej:

ddply（mtcars，.（carb），.fun=sample\n，size=2，replace=TRUE））

，因为它可能会根据因子的级别而变化。在这个例子中，我希望carb=2级有10个样本，carb=3级有3个样本，等等。

我们可以使用

dplyr

和

purrr

。在下面的代码中，我们使用

split（.$carb）

按

carb

拆分数据帧

map2_df

可以通过列表（

.x

，这里是拆分数据帧的列表）和向量或列表（

.y

）中的每个元素应用函数，然后返回组合数据帧

.y=c（3,3,1,3,1,1）

指定每组的采样数

set.seed(123)

library(dplyr)
library(purrr)

mtcars %>%
  split(.$carb) %>%
  map2_df(.y = c(3, 3, 1, 3, 1, 1), ~.x %>% sample_n(size = .y, replace = TRUE))

    mpg cyl  disp  hp drat    wt  qsec vs am gear carb
1  18.1   6 225.0 105 2.76 3.460 20.22  1  0    3    1
2  21.5   4 120.1  97 3.70 2.465 20.01  1  0    3    1
3  18.1   6 225.0 105 2.76 3.460 20.22  1  0    3    1
4  30.4   4  95.1 113 3.77 1.513 16.90  1  1    5    2
5  21.4   4 121.0 109 4.11 2.780 18.60  1  1    4    2
6  18.7   8 360.0 175 3.15 3.440 17.02  0  0    3    2
7  17.3   8 275.8 180 3.07 3.730 17.60  0  0    3    3
8  13.3   8 350.0 245 3.73 3.840 15.41  0  0    3    4
9  10.4   8 472.0 205 2.93 5.250 17.98  0  0    3    4
10 17.8   6 167.6 123 3.92 3.440 18.90  1  0    4    4
11 19.7   6 145.0 175 3.62 2.770 15.50  0  1    5    6
12 15.0   8 301.0 335 3.54 3.570 14.60  0  1    5    8

---

我们可以使用

dplyr

和

purrr

。在下面的代码中，我们使用

split（.$carb）

按

carb

拆分数据帧

map2_df

可以通过列表（

.x

，这里是拆分数据帧的列表）和向量或列表（

.y

）中的每个元素应用函数，然后返回组合数据帧

.y=c（3,3,1,3,1,1）

指定每组的采样数

set.seed(123)

library(dplyr)
library(purrr)

mtcars %>%
  split(.$carb) %>%
  map2_df(.y = c(3, 3, 1, 3, 1, 1), ~.x %>% sample_n(size = .y, replace = TRUE))

    mpg cyl  disp  hp drat    wt  qsec vs am gear carb
1  18.1   6 225.0 105 2.76 3.460 20.22  1  0    3    1
2  21.5   4 120.1  97 3.70 2.465 20.01  1  0    3    1
3  18.1   6 225.0 105 2.76 3.460 20.22  1  0    3    1
4  30.4   4  95.1 113 3.77 1.513 16.90  1  1    5    2
5  21.4   4 121.0 109 4.11 2.780 18.60  1  1    4    2
6  18.7   8 360.0 175 3.15 3.440 17.02  0  0    3    2
7  17.3   8 275.8 180 3.07 3.730 17.60  0  0    3    3
8  13.3   8 350.0 245 3.73 3.840 15.41  0  0    3    4
9  10.4   8 472.0 205 2.93 5.250 17.98  0  0    3    4
10 17.8   6 167.6 123 3.92 3.440 18.90  1  0    4    4
11 19.7   6 145.0 175 3.62 2.770 15.50  0  1    5    6
12 15.0   8 301.0 335 3.54 3.570 14.60  0  1    5    8

---

有没有一种方法可以通过“小组”获得与该小组观察结果相同数量的样本？@EuGENE请查看我的更新。我想我找到了一种方法。为什么不使用

map_-df（~.x%>%sample_-n（size=nrow（.x），replace=TRUE））

而不是map2_-df（）`来获得与组中观察值数量相匹配的样本呢？@NateDay感谢分享这个好的解决方案。在最初的帖子中，OP指出，对于carb=2级，有10个样本，对于carb=3级，有3个样本，所以我假设OP可能想要定义每组的样本量。我想这就是为什么我提出了

map2_-df

解决方案。但是，如果OP希望样本大小与行号完全相同，那么您的解决方案会更好，因为OP不需要再次指定样本大小。啊哈，我错过了问题中关于每组大小的规定。。。我刚才在看下面的评论。有没有办法按“组”获得和该组观察结果一样多的样本？@EuGENE请查看我的更新。我想我找到了一种方法。为什么不使用

map_-df（~.x%>%sample_-n（size=nrow（.x），replace=TRUE））

而不是map2_-df（）`来获得与组中观察值数量相匹配的样本呢？@NateDay感谢分享这个好的解决方案。在最初的帖子中，OP指出，对于carb=2级，有10个样本，对于carb=3级，有3个样本，所以我假设OP可能想要定义每组的样本量。我想这就是为什么我提出了

map2_-df

解决方案。但是，如果OP希望样本大小与行号完全相同，那么您的解决方案会更好，因为OP不需要再次指定样本大小。啊哈，我错过了问题中关于每组大小的规定。。。我只是在看下面的评论。