R中的加权采样

Question

我有一个数据框data。在每行i分配了一个data$ww的权重。 现在，我想制作new_data data的样本，加权df$ww。 我试过subset，但速度很慢。

# sample data
data <- data.frame(var1 = log(sample(1:5000)))
ndata <- nrow(data)
maxW <- max(data$var1)

nsample <- 4000
rr <- runif(ndata)
data$ww <- cumsum(exp(data$var1))
new_data <- data[0, ]
i <- 1
while(nrow(new_data) < nsample) {
  new_data[i, ] <- subset(data, data$ww > rr[i] * maxW)[1,]
  i <- i + 1
}

有更快的方法吗？

Answer 1

使用prob的{​​{1}}参数：

sample()

像这样的东西。运行时间是

samp_idx <- sample(seq_len(nrow(data)), nsample, prob=data$ww)
new_data <- data[samp_idx, ]

与您的版本对比：

# user  system elapsed 
# 0.015   0.000   0.014