R无需替换即可复制样本功能

Question

我想对 5 个随机行进行 1000 次抽样并将它们汇总到一个数据框中。我对replace = FALSE 有疑问，我想知道将它放在哪里replace = TRUE。

我有一个包含 5,000 行的数据集，看起来（简化）如下：

 Fund.ID Vintage Type Region.Focus Net.Multiple  Size
[1,] 4716  2003  2    US           1.02          Small
[2,] 2237  1998  25   Europe       0.03          Medium
[3,] 1110  1992  2    Europe       1.84          Medium
[4,] 12122 1997  25   Asia         2.04          Large 
[5,] 5721  2006  25   US           0.86          Mega
[6,] 730   1998  2    Europe       0.97          Small

这是我的函数，它从一个随机行开始，并包含对正在绘制的 5 行的约束。：

       simulate <- function(inv.period) {
          start <- sample_n(dataset, 1, replace=TRUE) #draw random first fund
          t <- start$Vintage:(start$Vintage + inv.period) #define investment period contingent on first fund
          fof <- dataset[sample(which(dataset$Vintage %in% t), 5, replace = FALSE), ] #include constraint, 5 funds in portfolio
        }

#replicate this function 1,000 times 
#and give out as a data frame with portfolios classified
        library(plyr)
        library(dplyr)
        fof.5 <- rdply(1000, simulate(4))
        rename(fof.5, FoF.ID = .n)

如果我在模拟函数中使用replace=FALSE（在fof

sample.int(length(x), size, replace, prob) 中的错误： 'replace = FALSE' 时不能抽取大于总体的样本 如果我输入replace = TRUE，整个表达式都有效。但是，这是不正确的，因为在同一个样本中可能会绘制两次行，这是我不希望的。

有没有办法在绘制行时放置replace=FALSE，但为整个数据集放置replace=TRUE？应该是：一行只能在样本中绘制一次，但可以在另一个样本中再次绘制。

Answer 1

我建议取出dplyr 的东西，没有必要。其次，为匹配添加一个名为 matches 的变量，然后对该向量的长度或数字 5 进行采样，以较小者为准。最后，我会使用data.table::rbindlist，它有一个参数来创建一个索引来指示进行了哪次绘制。输出会是一个data.table，如果你不熟悉，可以在最后使用as.data.frame(rbindlist(....))，将其转回data.frame。：

library(data.table)
simulate <- function(inv.period) {
  start <- dataset[sample(nrow(dataset), 1, replace=TRUE),]
  t <- start$Vintage:(start$Vintage + inv.period)
  matches <- which(dataset$Vintage %in% t)
  dataset[sample(matches, min(length(matches),5), replace = FALSE), ]
}

r <- replicate(1000, simulate(5), simplify=FALSE)
rbindlist(r, idcol="draw")