按簇替换重新采样

Question

我想绘制聚类（由变量 id 定义）并从数据集中进行替换，与之前回答的问题相反，我希望选择 K 次的聚类让每个观察重复 K 次.也就是说，我正在做集群引导。

例如，以下样本 id=1 两次，但在新数据集 s 中仅重复一次 id=1 的观察结果。我希望 id=1 的所有观察结果出现两次。

f <- data.frame(id=c(1, 1, 2, 2, 2, 3, 3), X=rnorm(7))
set.seed(451)
new.ids <- sample(unique(f$id), replace=TRUE)
s <- f[f$id %in% new.ids, ]

Answer 1

一个选择是 lapply 遍历每个 new.id 并将其保存在列表中。然后你可以把它们堆叠在一起：

library(data.table)
rbindlist(lapply(new.ids, function(x) f[f$id %in% x,]))
#  id           X
#1:  1  1.20118333
#2:  1 -0.01280538
#3:  1  1.20118333
#4:  1 -0.01280538
#5:  3 -0.07302158
#6:  3 -1.26409125

Answer 2

以防万一需要 "new_id" 对应于索引号（即样品订单）——（我需要 "new_id" 这样我就可以运行混合效果模型，因为它们共享相同的 id 而没有将一个集群的多个实例视为一个集群）：

library(data.table)
f = data.frame( id=c(1,1,2,2,2,3,3), X = rnorm(7) )
set.seed(451); new.ids = sample( unique(f$id), replace=TRUE )
## ss has unique valued `new_id` for each cluster
ss = rbindlist(mapply(function(x, index) cbind(f[f$id %in% x,], new_id=index),
                      new.ids,
                      seq_along(new.ids),
                      SIMPLIFY=FALSE
))
ss

给出：

> ss
   id          X new_id
1:  1 -0.3491670      1
2:  1  1.3676636      1
3:  1 -0.3491670      2
4:  1  1.3676636      2
5:  3  0.9051575      3
6:  3 -0.5082386      3

注意 X 的值是不同的，因为 set.seed 在 rnorm() 调用之前没有设置，但 id 与@Mike H 的答案相同。

这个 link 对我构建这个答案很有用：R lapply 带有索引的语句 [重复]

按簇替换重新采样

Resample with replacement by cluster

r

resampling

statistics-bootstrap