如何编写循环以从多个数据子集中随机采样？答案

【问题标题】：How do I write a loop to random sample from multiple subsets of data?如何编写循环以从多个数据子集中随机采样？
【发布时间】：2014-01-08 20:22:25
【问题描述】：

我有一个（可能很简单）我想不通的问题。

我想编写一个循环（或使用 mapply 或 ddply？）从多个数据子集中的每一个中随机采样三个值，并找到该随机样本的平均值并将其放入数据框中。

例如，这里是一小部分数据：

    BayStation DIN Year
1        60069 0.0090 1998     
2        60069 0.0060 1998     
3        60069 0.0100 1998     
4        60069 0.0020 1998     
5        60069 0.0140 1998     
6        60069 0.0110 1998     
7        60081 0.0140 1998     
8        60081 0.0140 1998     
9        60081 0.0060 1998     
10       60081 0.0020 1998     
11       60081 0.0250 1998     
12       60081 0.0140 1998     
13       60081 0.0110 1998

我想按 BayStation 进行子集化，为每个 BayStation 随机抽取三个 DIN 值，然后计算平均值。我知道如何为一个海湾站做到这一点：

test<-mean(sample(DIN1998$DIN[DIN1998$BayStation=="60081"], 
                  3, replace = FALSE, prob = NULL))

但我想知道如何为包含数百个站点的整个数据框执行此操作。谁能告诉我该怎么做？或者给个大提示？可以肯定地说，我的 R 技能非常基础 - 在此先感谢！

【问题讨论】：

标签： r loops subset random-sample

【解决方案1】：

如果你想使用plyr

ddply(DIN1998, .(BayStation), 
      summarise, 
      sample.mean=mean(sample(DIN, 3, replace=FALSE, prob=NULL)))

set.seed(1) 你会得到

  BayStation sample.mean
1      60069  0.00900000
2      60081  0.0166666

【讨论】：

【解决方案2】：

这是一种方法

> set.seed(1)
> sapply(split(DIN1998$DIN, DIN1998$BayStation), function(x){
    mean(sample(x, 3))
  })
     60069      60081 
0.00900000 0.01666667

如果您的data.frame 太大，那么您可能需要使用data.table

> library(data.table)
> dt <- data.table(DIN1998)
> set.seed(1)
> dt[,list(Mean=mean(sample(DIN, 3))), by="BayStation"]
   BayStation       Mean
1:      60069 0.00900000
2:      60081 0.01666667

另一种 R 基础解决方案

> set.seed(1)
> cbind(Mean.by.BayStation=with(DIN1998, 
                                by(DIN, BayStation, function(x)  
                                  mean(sample(x, 3)))))
      Mean.by.BayStation
60069         0.00900000
60081         0.01666667

【讨论】：

【解决方案3】：

你可以使用tapply:

with(DIN1998, tapply(DIN, BayStation, function(x) mean(sample(x), 3)))
#  60069  60081 
# 0.0095 0.0140

或aggregate:

aggregate(DIN ~ BayStation, DIN1998, function(x) mean(sample(x), 3))
#   BayStation    DIN
# 1      60069 0.0095
# 2      60081 0.0140

【讨论】：