如何在R中基于指定列对数据集行进行重复抽样？

原始数据集 #

df <- data.frame(id = c(1,1,1,1,1,2,2,2,2,2),
                 v1 = c(1,2,3,4,5,6,7,8,9,10))

需求说明 #

针对每个唯一id，执行有放回随机抽样：

• 每次抽取3行
• 每个id重复抽样2次
• 最终合并为一个数据框

方案1：使用dplyr包（tidyverse风格） #

library(dplyr)

set.seed(123) # 设置随机种子保证结果可复现
sampled_df <- df %>%
  group_by(id) %>%
  do({
    # 对当前id的组重复2次抽样，每次抽3行
    bind_rows(replicate(2, sample_n(., size = 3, replace = TRUE), simplify = FALSE))
  }) %>%
  ungroup()

# 查看结果
print(sampled_df)

代码解释 #

• group_by(id)：按id分组处理
• replicate(2, ...)：重复执行2次抽样操作
• sample_n(., size = 3, replace = TRUE)：从当前组中有放回抽取3行
• bind_rows()：把两次抽样的结果合并成一个数据框
• ungroup()：取消分组状态，得到最终的普通数据框

方案2：使用基础R（无需额外包） #

set.seed(123) # 保证结果可复现

# 获取所有唯一id
unique_ids <- unique(df$id)

# 初始化空数据框存储结果
sampled_df <- data.frame(id = integer(), v1 = integer())

for (id_val in unique_ids) {
  # 提取当前id对应的行
  group_data <- df[df$id == id_val, ]
  # 重复2次抽样，每次3行，有放回
  for (i in 1:2) {
    sample_rows <- group_data[sample(nrow(group_data), size = 3, replace = TRUE), ]
    sampled_df <- rbind(sampled_df, sample_rows)
  }
}

# 查看结果
print(sampled_df)

代码解释 #

• 遍历每个唯一id，单独处理每组数据
• sample(nrow(group_data), size = 3, replace = TRUE)：生成随机行索引，实现有放回抽样
• rbind()：逐步合并每次抽样的结果到最终数据框

执行后得到的结果结构与预期一致，由于是随机抽样，具体数值会因随机种子不同而变化，设置set.seed()可以固定结果。

内容的提问来源于stack exchange，提问作者iGada