在 R 中复制分层随机抽样而不进行替换

Question

我正在努力创建一个矢量化函数解决方案，该解决方案将允许我在多次迭代中无需替换即可复制分层随机抽样。我能够在不替换的情况下进行一次采样，然后从数据集中删除这些行，然后从未采样的观察中重复该过程。不幸的是，我需要多次执行此操作，因此无法使用此手动选项。

我试过使用 replicate() 函数，但是我只能让它在每次通过时都没有替换的样本。它将选择的样本放回数据集中以供下一次抽样。

使用下面的代码，我想要创建 30 个新数据集的函数，这些数据集由 "one" 和 "zero" 集中的 3 个唯一（以前未采样）行组成。因此，每个新数据集将有 6 个总观测值（3-1 和 3-0），并被命名为唯一的名称（即 "new_dat1"、"new_dat2"..."new_dat30"）。

如果可能的话，我希望在不使用 for 循环的情况下实现所有这些，因此首选 "apply" 系列中的东西。

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)

让这件事变得更加复杂的是，我在 "dat" 集中观察到的 0 和 1 的总数会不时变化，所以我可能总是有余数要处理。因此，该函数必须能够为每个 "new_dat" 采样 3，直到它遇到最终集合的余数，无论值如何，它都可以进入最终的 "new_dat"。

即使我能弄清楚如何解决矢量化函数中的采样问题，我也真的会不知所措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 post。

Answer 1

如果我理解正确，这是一种解决方案。

首先对整个向量进行采样，也就是说，您只是要对行号进行随机排序：

sample_rows  <- sample(nrow(one))

然后为每个随机分布的行分配一个样本组（每组 3 个元素）。由于元素的数量可能不能被 3 整除，因此延长向量的长度，使其与行数的长度相同。现在用下一组填充 NA（我想这就是你所说的 "remainder for the final set" 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 24 个样本 3 和 1 个样本 2，没有替换：

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

我为 "one"s 的向量做了这个，但你可以很容易地为零的向量复制它并组合它们。

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

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

所以 new_dat 是一个包含所有 25 data.frames 的列表。例如：

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

或：

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

在 R 中复制分层随机抽样而不进行替换

Replicate Stratified Random Sampling without Replacement in R

r

random-sample

replicate