如何使用 ddply 按组对数据进行子采样？答案

【问题标题】：How do I sub sample data by group using ddply?如何使用 ddply 按组对数据进行子采样？
【发布时间】：2023-04-09 09:14:01
【问题描述】：

我有一个包含太多行的数据框，无法进行空间相关图。相反，我想为每个物种抓取 40 行并在该子集上运行我的相关图。

我编写了一个函数来对数据框进行子集化，如下所示：

    samp <- function(dataf)
{
    dataf[sample(1:dim(dataf)[1], size=40, replace=FALSE),]
}

现在我想将此函数应用于更大数据框中的每个物种。

当我尝试类似的事情时

culled_data = ddply (larger_data, .(species), subset, samp)

我收到此错误：

Error in subset.data.frame(piece, ...) : 
  'subset' must evaluate to logical

有人知道如何做到这一点吗？

【问题讨论】：

标签： r plyr

【解决方案1】：

从通话中删除 , subset 后，它看起来应该可以工作了。

【讨论】：

谢谢德克。做到了。也许有人可以解释一下子集如何在 ddply 中工作。
不知道 -- 您可以像 ddply(larger_data[subset,], .(species), samp) 或通过 subset() 一样对数据进行子集化。

【解决方案2】：

Dirk 的答案当然是正确的，但为了添加额外的解释，我发表了自己的解释。

为什么你的电话打不通？

首先，您的语法是简写。相当于

ddply(larger_data, .(species), function(dfrm) subset(dfrm, samp))

因此您可以清楚地看到您提供了function（参见class(samp)）作为subset 的第二个参数。您可以使用samp(dfrm)，但它不会工作太因为samp 返回data.frame 和subset 需要逻辑向量。所以你可以在返回逻辑索引时使用samp(dfrm)。

在这种情况下如何使用子集？

通过给subset 提供逻辑向量来使他工作：

ddply (larger_data, .(species), subset, sample(seq_along(species)<=40))

我用 40 TRUE 创建逻辑向量（顺便说一句，当某些 spiece 少于 40 个案例时，它会起作用，然后它会全部返回）并将其随机化。

【讨论】：

我不喜欢做它应该做的事情！ ddply (larger_data, .(species), subset, sample(seq_along(species)
@Mark 它应该从每个物种中随机选择 40 个案例。它不适合你？