R 随机抽样组，然后在这些抽样组内进行抽样

我的数据集包含几个组，每个组可以有不同数量的唯一观测值。我按组进行了一些计算（在下面的代码中进行了简化），得出了每个组的汇总值。接下来，出于引导的目的，我想：

随机抽样替换组（抽样组数量=等于原始数据集中不同组的数量）

在这些抽样组中，随机抽样观察值并进行替换（每组抽样观察值的数量=等于原始数据集中该组中唯一观察值的数量）

我的数据设置的简化版本（data1）：

例如，基于上面的数据集示例：原始数据集中有4个组，因此我想用替换的方法对4个组进行采样（例如采样的组=组4,3,3,1），然后对这4个组中的观察值/行进行采样（组4中的4个ID（例如5007、5007、5006、5009）；组3中的2个ID（两次，因为组3被采样两次），和组1中的3个ID，所有ID都带有替换），并在数据帧中一起返回采样的行（4+2+2+3=11行）

对于以上内容，我有一些代码分别用于这些步骤，但我似乎无法将它们结合起来：

# Calculate group value
y.group <- tapply(data1$y,data1$group,mean)

# Step 1. Sample groups, with replacement:
sampled.group <- sample(1:length(unique(data1$group)),replace=T)

# Step 2. Sample within groups, with replacement
data2 <- data.frame(data1 %>%
   group_by(group) %>%   # for each group
   sample_frac(1, replace = TRUE) %>%
   ungroup)

#计算组值
y、 组别%
解组）

显然，上面完整的代码并没有达到我想要的效果，因为在步骤2中，步骤1中的采样组被忽略，因为它只使用原始组变量（我知道这一点）。我尝试使用步骤1来解决这个问题，并尝试生成一个新的数据帧，该数据帧仅包含采样组的观察值（如果一个组被多次采样，则可能会出现重复），然后将步骤2应用于该新数据帧，但我无法实现这一点

我想我只是走错了路或者想得太多了。希望你能给我一些关于如何进行的建议

编辑：在等待任何可能的解决方案时，我自己继续回答这个问题，最后得出以下结论：

total.result <- c()
for (j in 1:length(unique(data1$group))){
     sampled.group <- sample(1:length(unique(data1$group)),size=1,replace=T)
     group.result <- sample_n(data1[data1$group==sampled.group,],
            size=length(unique(data1$id[data1$group==sampled.group])),replace=T)
     total.result <- rbind(total.result,group.result)
     }

---

total.result我想这就是你要找的。让我们从可复制格式的数据开始：

data1不清楚预期的输出<代码>采样。步骤1中的组
没有与步骤2的任何引用。如果您需要基于sampled.group
data1%>%过滤器（！group%在%sampled.group中）
进行
过滤。另外，
y.group
如果要生成仅包含采样组的数据集
data1%%>%过滤器（组%在%sampled.group中）%%>%groupby（组）%%>%sample\u frac（1，replace=TRUE）%%>%ungroup
预期输出应该是一个数据帧，其中包含随机采样组的采样观察值（使用替换）。例如，基于上面的数据集示例：原始数据集中有4个组，因此我想使用替换对4个组进行采样（例如采样的组=组4,3,3,1），然后对这4个组中的观察值/行进行采样（组4中的4个ID（例如5007、5007、5006、5009）；组3中的2个ID（两次，因为组3被采样了两次），以及组1中的3个ID，都带有替换），并将采样的行一起返回到一个数据帧中（4+2+2+3=11行）。@akrun请参阅我的上述评论（也添加到帖子中）。我尝试了您的建议，这有助于筛选抽样的组，但作为下一步，我希望在这些组中随机抽样，替换的行数等于组的大小，但也考虑到某些组可以多次抽样（因此，我想对这些组重复多次采样过程，例如，一个有3行的组被采样两次，输出中应该有2*3=6个采样行。）
y.group
用于以后的计算，可以忽略（为混淆道歉）。太好了，这很有效！在发布问题后，我自己继续提问，并找到了另一个问题（我将其添加到了开场白中），但你的问题似乎更直截了当，因此我将接受它作为答案！@CJPW1987太好了-很高兴我能提供帮助。
total.result <- c()
for (j in 1:length(unique(data1$group))){
     sampled.group <- sample(1:length(unique(data1$group)),size=1,replace=T)
     group.result <- sample_n(data1[data1$group==sampled.group,],
            size=length(unique(data1$id[data1$group==sampled.group])),replace=T)
     total.result <- rbind(total.result,group.result)
     }

data1
#>      id group  y
#> 1  1001     1 10
#> 2  1002     1 15
#> 3  1003     1  3
#> 4  3002     2 24
#> 5  3003     2 15
#> 6  3005     2 37
#> 7  3006     2 32
#> 8  3007     2 11
#> 9  4001     3 12
#> 10 4002     3 15
#> 11 5006     4  7
#> 12 5007     4  9
#> 13 5009     4 22
#> 14 5010     4 19

set.seed(69)
split_dfs <- split(data1, data1$group)

sampled_group_dfs <- split_dfs[sample(length(split_dfs), replace = TRUE)]

all_sampled <- lapply(sampled_group_dfs, function(x) x[sample(nrow(x), replace = TRUE), ])

result <- do.call(rbind, all_sampled)

result
#>          id group  y
#> 4.14   5010     4 19
#> 4.14.1 5010     4 19
#> 4.11   5006     4  7
#> 4.13   5009     4 22
#> 1.3    1003     1  3
#> 1.3.1  1003     1  3
#> 1.2    1002     1 15
#> 3.9    4001     3 12
#> 3.9.1  4001     3 12
#> 2.5    3003     2 15
#> 2.5.1  3003     2 15
#> 2.6    3005     2 37
#> 2.7    3006     2 32
#> 2.5.2  3003     2 15