复制分层随机采样无需替换R

Question

我正在努力创建一个向量化的功能解决方案，这将允许我重复分层随机采样而无需在许多迭代中进行替换。我可以在不更换一次的情况下进行采样，然后从数据集中删除这些行，然后从未采样的观测值中重复该过程。不幸的是，我需要做很多次这使得这个手动选项不可能。

我已经尝试过使用replicate（）函数，但是我只能让它每次通过都没有替换样本。它将选定的样本放回数据集中以便进行下一次采样。

使用下面的代码，我希望函数创建30个新的数据集，这些数据集由3个独立的（以前未采样的）行组成，每行都来自“一个”和“零”组。因此每个新的数据集将有6个总观测值（3-1和3-0）并被命名为独特的（即“new_dat1”，“new_dat2”...“new_dat30”）。

如果可能的话，我期望在不使用for循环的情况下实现所有这些，因此“apply”系列中的某些内容是首选。

set.seed(123) 
dat <- data.frame(Outcome = round(runif(160, 0, 1))) 
cust <- data.frame(Cust = rep(c("ABC", "DEF", "GHI"), c(45, 80, 35))) 
dat <- cbind(cust, dat) 

one <- subset(dat, Outcome == 1) 
zero <- subset(dat, Outcome == 0) 


# Manual option which is not sufficient  
################################################ 
# sample 1's and remove choosen obs from "one" dataset 
set.seed(123) 
index <- sample(1:nrow(one), 3, replace = FALSE) 
new_dat1 <- one[index, ] 
unused_one <- one[-index, ] 

# sample 0's and remove choosen obs from "zero" dataset 
set.seed(123) 
index <- sample(1:nrow(zero), 3, replace = FALSE) 
unused_zero <- zero[-index, ] 

# combine the 3-1 and 3-0 samples into the first of 30 "new_datn" sets 
new_dat1 <- rbind(new_dat1, zero[index, ]) 

# repeat, now sampling from "unused_one" and "unused_zero" to create "new_dat2" - "new_dat30" 
################################################ 


# Failed attempt using the replicate() function 
################################################ 
set.seed(123) 
one_sample <- replicate(30, one[sample(nrow(one), 3, replace = FALSE), ], simplify = FALSE) 
zero_sample <- replicate(30, zero[sample(nrow(zero), 3, replace = FALSE), ], simplify = FALSE) 

使这一更为复杂的是，我在“DAT”组0和1的观测总数将不时改变，所以我很可能会一直有余处理。因此，函数必须能够为每个“new_dat”抽样3，直到它进入最终集合的剩余部分，无论该值如何，都可以进入最终的“new_dat”。

即使我能弄清楚如何解决向量化函数中的采样问题，我真的不知道如何让函数创建新的数据集并适当地命名它们。

如果有人能为我提供一些帮助，我将不胜感激。感谢您花时间阅读我的文章。

Answer 1

如果我理解你想要的东西正确，这里有一个解决方案。

首先只是采样整个矢量，也就是说，你只是要行号随机排序：

sample_rows <- sample(nrow(one)) 

然后分配一个样本组的每个随机分布的行（3个元素由基团） 。由于元素的数量可能不能被3整除，所以扩展矢量的长度使其与行数相同。现在填写的NA与下一组（我认为这是你所说的“剩余的最后一组”的意思）：

sample_group <- rep(1:(length(sample_rows)%/% 3), each = 3) 
length(sample_group) <- length(sample_rows) 
sample_group[is.na(sample_group)] <- max(sample_group, na.rm = TRUE) + 1 

所以，现在你有3个24个样本和两个1个样本，无需更换：

samples <- data.frame(sample_rows, sample_group) 

head(samples) 
    sample_rows sample_group 
1   12   1 
2   6   1 
3   41   1 
4   35   2 
5   71   2 
6   62   2 

tail(samples) 
    sample_rows sample_group 
69   69   23 
70   53   24 
71   32   24 
72   27   24 
73   18   25 
74   65   25 

我这样做了“one”的向量，但你可以很容易地复制零向量并将它们合并。

PS：您可以使用split()和lapply()从data.frame提取行。例如：

new_dat <- lapply(split(samples$sample_rows, samples$sample_group), function(x) one[x,]) 

所以new_dat与所有25 data.frames列表。例如：

new_dat[[8]] # gives you the eigth data.frame 

或者：

new_dat[[25]] # gives you the last data.frame