如何使用rep_slice_sample()在不同观测数组内按原容量重复抽样？

问题出在你使用了prop=1参数，而原数据集存在缺失值，infer包的rep_slice_sample函数中，prop参数是基于去除缺失值后的分组样本量来计算抽样数量的，并非原分组的总样本量。

penguins数据集中共有11条含缺失值的记录，比如Adelie组有4条缺失行，当你指定prop=1时，函数会先剔除这些缺失行，再按100%比例抽样，最终得到的样本量就是原组总样本量减去缺失值数量，这和你预期的原组样本量不符。

修正代码 #

把prop=1替换为n = n()，n()会返回当前分组的总样本量（包含缺失值的行），强制每个重抽样样本的大小和原组完全一致：

set.seed(100)

slices <- penguins %>% 
    group_by(species) %>% 
    rep_slice_sample(n = n(), replace = TRUE, reps = 10)

验证结果 #

运行以下代码检查样本量：

slices %>% group_by(species, replicate) %>% count()

此时每个物种的每个重复样本都会和原组样本量一致：Adelie为152条，Chinstrap为68条，Gentoo为124条。

内容的提问来源于stack exchange，提问作者AdrieSC