在R中无需循环按第一组水平重采样第二组成员并计算统计量

你需要的是在每个grpOne（或物种）分组内打乱grpTwo（或性别）的归属，再计算分组间的统计量（比如均值差），无需手动遍历分组。利用dplyr的分组操作结合自定义逻辑就能实现，以下是具体方案：

核心思路 #

通过group_by(grpOne)将数据按目标分组拆分，再对每个子分组执行：

1. 打乱当前组内的grpTwo变量
2. 计算打乱后的grpTwo分组统计量差值

方案1：自定义函数+group_by()+summarise() #

先定义通用的统计量计算函数，再对每个分组调用该函数：

针对初始数据集的实现

library(tidyverse)

# 生成示例数据
df <- data.frame(x = rnorm(80),
                 grpOne = rep(letters[1:4],10),
                 grpTwo = rep(rep(LETTERS[25:26],each=4),10))

# 定义计算打乱后均值差的函数
compute_shuffled_mean_diff <- function(sub_data) {
  # 打乱当前分组内的grpTwo
  shuffled_grp <- sample(sub_data$grpTwo)
  # 计算打乱后的grpTwo分组均值差
  sub_data %>%
    mutate(grpTwo_shuffled = shuffled_grp) %>%
    group_by(grpTwo_shuffled) %>%
    summarise(mean_x = mean(x), .groups = "drop") %>%
    pull(mean_x) %>%
    diff()
}

# 按grpOne分组计算结果
df %>%
  group_by(grpOne) %>%
  summarise(shuffled_mean_diff = compute_shuffled_mean_diff(cur_data()), .groups = "drop")

针对企鹅数据集的实现

library(tidyverse)
library(palmerpenguins)

# 预处理企鹅数据
penguins_df <- penguins %>%
  filter(!is.na(sex)) %>%
  select(species, body_mass_g, sex)

# 定义企鹅体重均值差的计算函数
compute_penguin_shuffled_diff <- function(sub_data) {
  shuffled_sex <- sample(sub_data$sex)
  sub_data %>%
    mutate(sex_shuffled = shuffled_sex) %>%
    group_by(sex_shuffled) %>%
    summarise(mean_mass = mean(body_mass_g), .groups = "drop") %>%
    pull(mean_mass) %>%
    diff()
}

# 按物种分组计算打乱后的体重均值差
penguins_df %>%
  group_by(species) %>%
  summarise(shuffled_mass_diff = compute_penguin_shuffled_diff(cur_data()), .groups = "drop")

方案2：内联逻辑（无需单独定义函数） #

如果不想单独写函数，可把逻辑直接嵌入summarise中，代码更紧凑：

# 企鹅数据集的内联实现示例
penguins_df %>%
  group_by(species) %>%
  summarise(
    shuffled_mass_diff = {
      # 内联打乱+计算逻辑
      shuffled_sex <- sample(sex)
      data.frame(sex = shuffled_sex, mass = body_mass_g) %>%
        group_by(sex) %>%
        summarise(m = mean(mass), .groups = "drop") %>%
        pull(m) %>%
        diff()
    },
    .groups = "drop"
  )

进阶：多次打乱（置换检验场景） #

如果需要重复多次打乱以做置换检验，结合purrr::map即可实现每个分组生成多个统计量：

# 每个物种重复100次打乱，生成均值差列表
penguins_df %>%
  group_by(species) %>%
  summarise(
    shuffled_diffs = list(map_dbl(1:100, ~{
      shuffled_sex <- sample(sex)
      data.frame(sex = shuffled_sex, mass = body_mass_g) %>%
        group_by(sex) %>%
        summarise(m = mean(mass), .groups = "drop") %>%
        pull(m) %>%
        diff()
    })),
    .groups = "drop"
)

关键函数说明 #

• group_by()：自动拆分数据为指定分组的子数据集
• cur_data()：获取当前分组的子数据集，确保函数只处理当前组内的数据
• sample()：无放回抽样，实现变量归属的打乱
• pull() %>% diff()：提取分组统计量后计算差值（注意diff()的结果顺序由分组水平决定，若需固定顺序可先对分组变量排序）

内容的提问来源于stack exchange，提问作者user111024