dplyr：行块的随机抽样程序（多个分组变量和数据列）

Question

我的数据集包含 1 到 70 列数据和 1 到 5 列 ID 变量。我需要按 ID 变量分组，然后在 ID 变量中随机抽取行块。重新采样的数据集需要与原始数据集的长度相同。

下面是带有所需结果表的示例数据集。因此，我需要按SITE 和DATE 分组，然后随机抽样与每个INDIV 关联的三行块（aqu、n/a、terr）。请注意CATEGORY 顺序如何保留在 RESULT 表中（例如，aqu、n/a、terr）。

我需要使用dplyr，因为这个随机抽样程序将数据输入到更大的for 循环中，该循环使用dplyr 函数进行各种计算……而且你们中的许多人都知道dplyr 掩盖了其他包中的各种函数.对于将原始表复制并粘贴到此问题中，我深表歉意，但这是复制数据集复杂性的最简单方法。提前致谢。

数据

SITE    DATE    INDIV   CATEGORY    BIOMASS LENGTH
GC  Oct A   aqu 0.0002  10
GC  Oct A   n/a 0   0
GC  Oct A   terr    0   0
GC  Oct B   aqu 0   0
GC  Oct B   n/a 0   0
GC  Oct B   terr    0   0
GC  Oct C   aqu 0.1875  20
GC  Oct C   n/a 0   0
GC  Oct C   terr    0.5424  30
GC  Aug D   aqu 7.4888  10
GC  Aug D   n/a 0   0
GC  Aug D   terr    100.9245    5
GC  Aug E   aqu 0.0001  1
GC  Aug E   n/a 0   0
GC  Aug E   terr    0   0
GC  Aug F   aqu 0   0
GC  Aug F   n/a 0   0
GC  Aug F   terr    20.593  10
NSVhi   Oct A   aqu 5.8713  5
NSVhi   Oct A   n/a 0   0
NSVhi   Oct A   terr    13.8651 3
NSVhi   Oct B   aqu 17.2288 2
NSVhi   Oct B   n/a 0   0
NSVhi   Oct B   terr    0   0
NSVhi   Oct C   aqu 22.7558 1
NSVhi   Oct C   n/a 0   0
NSVhi   Oct C   terr    24.7843 6
NSVhi   Aug D   aqu 0   0
NSVhi   Aug D   n/a 0   0
NSVhi   Aug D   terr    31.9222 7
NSVhi   Aug E   aqu 0.046   10
NSVhi   Aug E   n/a 0   0
NSVhi   Aug E   terr    0   0
NSVhi   Aug F   aqu 2.1156  5
NSVhi   Aug F   n/a 0   0
NSVhi   Aug F   terr    0   0

结果

SITE    DATE    INDIV   CATEGORY    BIOMASS LENGTH
GC  Oct C   aqu 0.1875  20
GC  Oct C   n/a 0   0
GC  Oct C   terr    0.5424  30
GC  Oct C   aqu 0.1875  20
GC  Oct C   n/a 0   0
GC  Oct C   terr    0.5424  30
GC  Oct A   aqu 0.0002  10
GC  Oct A   n/a 0   0
GC  Oct A   terr    0   0
GC  Aug D   aqu 7.4888  10
GC  Aug D   n/a 0   0
GC  Aug D   terr    100.9245    5
GC  Aug F   aqu 0   0
GC  Aug F   n/a 0   0
GC  Aug F   terr    20.593  10
GC  Aug D   aqu 7.4888  10
GC  Aug D   n/a 0   0
GC  Aug D   terr    100.9245    5
NSVhi   Oct B   aqu 17.2288 2
NSVhi   Oct B   n/a 0   0
NSVhi   Oct B   terr    0   0
NSVhi   Oct C   aqu 22.7558 1
NSVhi   Oct C   n/a 0   0
NSVhi   Oct C   terr    24.7843 6
NSVhi   Oct A   aqu 5.8713  5
NSVhi   Oct A   n/a 0   0
NSVhi   Oct A   terr    13.8651 3
NSVhi   Aug D   aqu 0   0
NSVhi   Aug D   n/a 0   0
NSVhi   Aug D   terr    31.9222 7
NSVhi   Aug D   aqu 0   0
NSVhi   Aug D   n/a 0   0
NSVhi   Aug D   terr    31.9222 7
NSVhi   Aug D   aqu 0   0
NSVhi   Aug D   n/a 0   0
NSVhi   Aug D   terr    31.9222 7

Answer 1

这听起来像你想要的......

library(dplyr)
dat <- group_by(DATA, SAMPLE, CATEGORY)
sample_df <- distinct(sample_n(dat, 3, replace = T))

但我认为这更有意义......

dat <- group_by(DATA, CATEGORY)
sample_df <- sample_n(dat, 3)

再说一次，我不知道究竟你想要什么。希望这会有所帮助。

Answer 2

在data.table:

library(data.table)
setDT(DATA, key = "SAMPLE")

set.seed(12030)
DATA[.(sample(unique(SAMPLE), rep = TRUE))]
#    SAMPLE CATEGORY BIOMASS
# 1:      B        1      10
# 2:      B        2      10
# 3:      B        3      10
# 4:      B        1      10
# 5:      B        2      10
# 6:      B        3      10
# 7:      A        1       1
# 8:      A        2       1
# 9:      A        3       1

如果您正在引导（我怀疑您是）并计划重复多次，那么首先分配随机化块会更有效：

RB <- DATA[ , unique(SAMPLE)]
#repeat BB times
replicate(BB, DATA[.(sample(RB, rep = TRUE))])