R dplyr:引导或随机采样

Question

我有一个这样的数据集：

   values  Pop1
1  611648  Nafr
2  322513  Nafr
3  381089  Jud
4   16941  Jud
5   21454  Jud
6  658802  Jud

我使用命令行汇总这些值：

df %>% group_by(Pop1) %>% summarize(Mean = mean(x = values))

这样我就有了Pop1=Nafr和Pop1=Jud的均值。

在总结之前，我想在两个总体(Pop1)中随机抽样相同数量的行(50)。

我找到了sample_n()函数，它很棒。

df %>% group_by(Pop1) %>% sample_n(size=50) %>% summarize(Mean = mean(x = values))

但我想运行100次，创建一个大的df，然后进行总结。

有没有办法在上面的命令行中添加一些东西来创建表，其中有100次来自df的50行的采样，添加列bs，对应于100个随机采样。如下所示：

       bs   values  Pop1
    1  1   611648  Nafr
    2  1   322513  Nafr
    3  1   381089  Jud
    4  1    16941  Jud
    5  1    21454  Jud
    6  1   658802  Jud
...
    1  100   611648  Nafr
    2  100   322513  Nafr
    3  100   381089  Jud
    4  100    16941  Jud
    5  100    21454  Jud
    6  100   658802  Jud

然后我可以运行new_df %>% group_by(bs, Pop1) %>% summarize(Mean = mean(x = values))来获得我的摘要，但也可以使用该表来绘制曲线图。

谢谢!

Answer 1

您可以使用purrr::map_dfr创建将按行绑定的所选样本的data.frame，然后可以使用您提供的命令获取摘要：

purrr::map_dfr(integer(100), ~ df %>% sample_n(size=50), .id="obs") -> new_df

new_df
#> # A tibble: 5,000 x 3
#>    obs   values Pop1 
#>    <chr>  <int> <fct>
#>  1 1     381089 Jud  
#>  2 1     658802 Jud  
#>  3 1     381089 Jud  
#>  4 1     611648 Nafr 
#>  5 1     381089 Jud  
#>  6 1      21454 Jud  
#>  7 1     611648 Nafr 
#>  8 1     381089 Jud  
#>  9 1      21454 Jud  
#> 10 1     322513 Nafr 
#> # … with 4,990 more rows
 new_df %>% group_by(obs, Pop1) %>% summarize(Mean = mean(x = values))
#`summarise()` regrouping output by 'obs' (override with `.groups` argument)
# A tibble: 200 x 3
# Groups:   obs [100]
   obs   Pop1     Mean
   <chr> <fct>   <dbl>
 1 1     Jud   261302.
 2 1     Nafr  451017.
 3 10    Jud   303711.
 4 10    Nafr  474689.
 5 100   Jud   236533.
 6 100   Nafr  492592.
 7 11    Jud   279812.
 8 11    Nafr  425776.
 9 12    Jud   279725.
10 12    Nafr  455960.
# … with 190 more rows

数据

read.table(text= "values  Pop1
611648  Nafr
322513  Nafr
381089  Jud
16941  Jud
21454  Jud
658802  Jud", header=T)->df
tibble(df[rep(1:6, times=5, each=10),])->df

Answer 2

可以这样做的一种方法是使用purrr包中的嵌套tibbles和map：

library(tidyverse)

df %>% nest(df = everything()) %>%
  slice(rep(1, 100)) %>%
  mutate(bs = 1:100) %>%
  mutate(df_sum = map(df, ~.x%>% group_by(Pop1) %>%
                    sample_n(size=50) %>% 
                    summarize(Mean = mean(x = values)))) %>%
  unnest(df_sum)

或者，如果您只是想要一种将数据堆叠100次的方法，您可以使用slice：

df %>% slice(rep(1:n(), 100)) 

Answer 3

尝尝这个

library(tidyr)
df %>% expand(bs = 1:100, nesting(values, Pop1)) 

输出

# A tibble: 600 x 3
      bs values Pop1 
   <int>  <dbl> <chr>
 1     1  16941 Jud  
 2     1  21454 Jud  
 3     1 322513 Nafr 
 4     1 381089 Jud  
 5     1 611648 Nafr 
 6     1 658802 Jud  
 7     2  16941 Jud  
 8     2  21454 Jud  
 9     2 322513 Nafr 
10     2 381089 Jud  
# ... with 590 more rows

然后，您可以像这样继续您的管道

df %>% 
  expand(bs = 1:100, nesting(values, Pop1)) %>% 
  group_by(bs, Pop1) %>% 
  sample_n(size = 50) %>%
  summarize(Mean = mean(x = values))