如何在R的嵌套tibble中为每个pair重分配随机date.time至type？

核心需求是每个pair内部独立地将date.time随机分配给原有type（即保持type不变，仅打乱同pair内的date.time与type的对应关系），并重复该操作10000次生成置换参考模型。以下是基于dplyr、purrr和tidyr的实现方案：

步骤1：加载依赖包 #

library(dplyr)
library(purrr)
library(tidyr)

步骤2：定义单次置换函数 #

这个函数接收单个pair的子数据集，返回置换后的结果：保持type列不变，对date.time列进行无放回随机重排，实现type与date.time的随机配对。

shuffle_dates_by_pair <- function(df_sub) {
  df_sub %>%
    mutate(date.time = sample(date.time, size = n(), replace = FALSE))
}

步骤3：生成10000次置换样本 #

通过crossing创建置换编号，再结合map重复执行置换操作，最后整理成结构化的数据集：

# 原始数据
df <- data.frame(pair=c("AB", "AB", "AB", "AB", "CD", "CD", "DE", "DE", "DE"), 
                 type=c("PR", "NN", "AP", "PX", "BK", "PX", "NN", "NN", "S2"),
                 date.time=c("2021-04-05_17:50:42", "2021-04-05_17:00:03", "2021-04-05_15:36:00", "2021-04-05_15:20:13", "2021-04-05_16:40:14", "2021-04-05_16:11:21", "2021-04-05_17:00:03", "2021-04-05_16:40:14", "2021-04-05_17:00:03"))

# 生成10000次置换结果
permuted_models <- crossing(perm_id = 1:10000) %>%
  mutate(permuted_data = map(perm_id, ~ {
    df %>%
      group_by(pair) %>%
      group_modify(~ shuffle_dates_by_pair(.x)) %>%
      ungroup()
  })) %>%
  unnest(permuted_data)

代码说明 #

• group_modify：用于对每个group（即每个pair）应用置换函数，确保每个pair内部独立操作。
• crossing(perm_id = 1:10000)：创建10000个置换编号，用于区分不同的置换样本。
• map：对每个置换编号执行一次全数据集的分组置换操作，保证每次置换都是独立的。

结果说明 #

最终的permuted_models数据框包含四列：perm_id（置换样本编号，1到10000）、pair、type、date.time。每个perm_id对应一次完整的置换结果，可用于后续的参考模型分析。

对原代码问题的修正 #

1. 原代码中nested_obsdata属于笔误，应为nested_data；
2. 无需额外计算sample.sizes，因为每个pair的样本量可通过n()直接获取；
3. 不需要使用n_sample()，直接用base R的sample()函数即可实现同pair内date.time的随机重排。

内容的提问来源于stack exchange，提问作者monkparakeet