Передискретизация с функцией выборки

Question

Я хотел бы создать набор данных mtcars, где все цилиндры имеют 100 наблюдений.Для этого я бы взял образец с заменой существующих наблюдений.

Я пробовал следующий код, который по некоторым причинам не дает 300 наблюдений.

library(data.table)
mtcars <- data.table(mtcars)
resampling <- list()
set.seed(3)

cyl <- sort(unique(as.character(mtcars$cyl)))
for (i in 1:length(cyl)){

  min_obs_cyl <- 100
  dat_cyl <- mtcars[cyl == as.numeric(cyl[i]) ]
  resampling[[  cyl[i]  ]] <- dat_cyl[sample(1:nrow(dat_cyl),
                                             size = (min_obs_cyl - nrow(mtcars[cyl == cyl[i] ])),
                                                 replace = T),]
}

resampling_df <- do.call("rbind", resampling)
mtcars_oversample <- rbind(mtcars, resampling_df)

Я получил 307 наблюдений.Кто-нибудь знает, что я делаю не так?

Answer 1

Вот еще один способ использования dplyr::slice

mtcars %>%
  group_by(cyl) %>%
  slice(sample(n(), 100, replace = T)) %>%
  ungroup()

Answer 2

Я думаю, что в этом случае вы можете делать выборку внутри групп, используя data.table by= функциональность.sample из счетчика строк .I в каждой группе cyl, а затем используйте этот идентификатор строки для повторного выбора строк из исходного набора:

mtcars[mtcars[, sample(.I, 100, replace=TRUE), by=cyl]$V1,]
#      mpg cyl  disp  hp drat    wt  qsec vs am gear carb
#  1: 18.1   6 225.0 105 2.76 3.460 20.22  1  0    3    1
#  2: 17.8   6 167.6 123 3.92 3.440 18.90  1  0    4    4
#  3: 19.2   6 167.6 123 3.92 3.440 18.30  1  0    4    4
#  4: 19.2   6 167.6 123 3.92 3.440 18.30  1  0    4    4
#  5: 21.0   6 160.0 110 3.90 2.620 16.46  0  1    4    4
# ---                                                    
#296: 15.5   8 318.0 150 2.76 3.520 16.87  0  0    3    2
#297: 19.2   8 400.0 175 3.08 3.845 17.05  0  0    3    2
#298: 19.2   8 400.0 175 3.08 3.845 17.05  0  0    3    2
#299: 14.3   8 360.0 245 3.21 3.570 15.84  0  0    3    4
#300: 15.2   8 275.8 180 3.07 3.780 18.00  0  0    3    3

Если вам нужно указать различные значениядля каждой группы, вот один вариант.Специальный объект .BY хранит значение аргумента by= в виде списка.

grpcnt <- setNames(c(50,100,70), unique(mtcars$cyl))
#  6   4   8 
# 50 100  70 
mtcars[mtcars[, sample(.I, grpcnt[as.character(.BY[[1]])], replace=TRUE), by=cyl]$V1]

Answer 3

Для альтернативного решения вы можете использовать dplyr и сделать:

library(dplyr)

mtcars %>%
    group_by(cyl) %>%
    do(sampled = sample_n(., size = 100, replace = TRUE)) %>%
    select(-cyl) %>%
    unnest()