R语言求助：500Hz转1Hz下采样并保留各ID首个数据值

听起来你遇到的核心问题是分组时间序列的下采样，还要兼顾小样本ID的处理，避免出现argument length 0的错误。我会给你两种可行的方案，都不需要caret包，分别适配不同的数据场景：

场景1：数据是严格均匀500Hz采样（无缺失、行号对应时间顺序） #

这种情况我们可以直接按行号步长来采样，同时强制保留每个ID的第一行数据：

方案1：用dplyr（简洁直观） #

假设你的数据框有id（分组ID）、temp（皮肤温度）、time（时间列，可选但推荐）：

library(dplyr)

df_downsampled <- df %>%
  # 先确保每个ID的数据按时间排序（如果没有time列，用row_number()替代）
  group_by(id) %>%
  arrange(id, time) %>%
  do({
    # 提取当前ID的第一行
    first_entry <- slice(., 1)
    # 从第501行开始，每500行取一个（对应1Hz采样）
    # 注意：如果当前ID的样本数≤500，sampled_rows会是空的，直接保留第一行即可
    sampled_entries <- slice(., seq(from = 501, to = nrow(.), by = 500))
    # 合并两部分数据
    bind_rows(first_entry, sampled_entries)
  }) %>%
  ungroup()

方案2：用Base R（无需额外包） #

如果不想加载dplyr，用原生R代码也能实现：

# 先按ID排序，保证分组连续性
df <- df[order(df$id), ]

# 按ID拆分数据
id_groups <- split(df, df$id)

# 逐个处理每个ID的分组
processed_groups <- lapply(id_groups, function(group) {
  first_row <- group[1, , drop = FALSE]
  # 只有当样本数超过500时，才进行下采样；否则直接保留第一行
  if (nrow(group) > 500) {
    sampled_rows <- group[seq(501, nrow(group), 500), , drop = FALSE]
    rbind(first_row, sampled_rows)
  } else {
    first_row
  }
})

# 合并处理后的分组，重置行名
df_downsampled <- do.call(rbind, processed_groups)
rownames(df_downsampled) <- NULL

场景2：数据存在缺失/采样不严格均匀（有准确时间列） #

如果你的数据有缺失值，或者时间不是严格按行号对应，建议用时间区间匹配的方式采样，更鲁棒：

library(dplyr)

df_downsampled <- df %>%
  group_by(id) %>%
  arrange(id, time) %>%
  mutate(
    # 计算每个数据点相对于当前ID首个数据的时间差（单位：秒）
    time_since_first = time - first(time),
    # 把时间划分为每1秒一个区间，首个数据对应区间0
    one_sec_interval = floor(time_since_first)
  ) %>%
  # 每个区间只保留第一个数据点（自然包含了ID的首个数据）
  distinct(id, one_sec_interval, .keep_all = TRUE) %>%
  ungroup() %>%
  # 可选：删除辅助列
  select(-time_since_first, -one_sec_interval)

为什么你之前会遇到argument length 0错误？ #

大概率是因为某个ID的样本数不足500条，当你尝试用seq(from=501, to=nrow(group), by=500)时，生成的序列长度为0，导致提取行时出错。上面的两种方案都加入了对小样本ID的判断，完美规避了这个问题。

内容的提问来源于stack exchange，提问作者HCAI