R数据帧的更有效的块重采样答案

【问题标题】：More efficient block resampling of R dataframeR数据帧的更有效的块重采样
【发布时间】：2020-09-16 08:50:24
【问题描述】：

我正在尝试以集群/阻塞方式重新采样 R 数据帧。我正在使用下面的代码 sn-p 这样做，但速度很慢：

    index_sample <- sample(unique(data[[cluster_var]]), 
                           size=length(unique(data[[cluster_var]])), replace=T)

    indices <- unlist(sapply(index_sample, FUN=function(x) {which(data[[cluster_var]] == x)}))

有没有更有效的方法来做到这一点？特别是 unlist/sapply 步骤似乎非常缓慢。

期望行为示例：

set.seed(1919)
data <- data.frame(x=sample(seq(1,5,1), 20, replace=TRUE),
                   y = runif(20))
index_sample <- sample(unique(data[['x']]), 
                       size=length(unique(data[['x']])), replace=T)
indices <- unlist(sapply(index_sample, FUN=function(x) {which(data[['x']] == x)}))
print(indices)
[1]  7  8  9 10 14 17 20  7  8  9 10 14 17 20  1 12  2 18 19  6 11 13 16

【问题讨论】：

标签： r dataframe sampling sapply

【解决方案1】：

我们可以使用outer

indices2 <- which(outer(data$x, index_sample, FUN = `==`), arr.ind = TRUE)[,1]

-使用 OP 的解决方案进行测试

identical(indices, indices2)
#[1] TRUE

【讨论】：

已删除。这个解决方案更快，谢谢！现在不打算“接受”它，以防有可能找到更有效的解决方案，但假设没有人在几个小时内分享的更快的替代方案，届时将接受。再次感谢您。