Question

我的数据如下：

df <- data.frame(
    x = c("dog", "dog", "dog", "cat", "cat", "fish", "fish", "fish", "squid", "squid", "squid"),
    y = c(10, 11, 6, 3, 4, 5, 5, 9, 14, 33, 16)
)

我想迭代数据并在某个“包含/过滤器”列表中为每只动物抓取一个值，然后将它们加在一起。

例如，也许我只关心狗，猫和鱼。

animals <- c("dog", "cat", "fish")

在重采样1中，我可以获得10,4,9（总和= 23），而在重采样2中，我可以获得6,3,5（总和= 14）。

我只是掀起了一个非常笨拙的复制/关于dplyr倾斜的功能，但它似乎超级低效：

ani_samp <- function(animals){

    total <- 0
    for (i in animals) {

        v <- df %>% 
            filter(x == i) %>% 
            sample_n(1) %>% 
            select(y) %>% 
            as.numeric()

        total <- total + v
    }
    return(total)
}

replicate(1000,ani_samp(animals))

我如何改进此重采样/伪引导代码？

Answer 1

我不确定这是否更好（没有时间进行基准测试），但你可以在这里避免双循环。您可以先按animals进行过滤（然后对子集进行处理），然后从每个组中仅对n个样本进行一次采样。如果您喜欢dplyr，可以使用dplyr/tidyr版本

library(tidyr)
library(dplyr)

ani_samp <- function(animals, n){
  df %>%
    filter(x %in% animals) %>% # Work on a subset
    group_by(x) %>%
    sample_n(n, replace = TRUE) %>% # sample only once per each group
    group_by(x) %>%
    mutate(id = row_number()) %>% # Create an index for rowSums
    spread(x, y) %>% # Convert to wide format for rowSums
    mutate(res = rowSums(.[-1])) %>% # Sum everything at once
    .$res # You don't need this if you want a data.frame result instead
} 

set.seed(123) # For reproducible output
ani_samp(animals, 10)
# [1] 18 24 14 24 19 18 19 19 19 14

Answer 2

另一种方法是：

set.seed(123) ## for reproducibility
n <- 1000 ## number of samples for each animal
samps <- do.call(cbind, lapply(animals, function(x) {sample(df$y[df$x == x], n, replace=TRUE)}))
head(samps, 10)
##      [,1] [,2] [,3]
## [1,]   10    3    5
## [2,]    6    4    5
## [3,]   11    3    5
## [4,]    6    4    5
## [5,]    6    4    5
## [6,]   10    3    5
## [7,]   11    4    5
## [8,]    6    3    5
## [9,]   11    3    5
##[10,]   11    3    5
sum <- as.vector(samps %*% rep(1,length(animals)))
head(sum, 10)
##[1] 18 15 19 15 15 18 20 14 19 19

在这里，我们使用lapply循环animals并生成1000个df$y样本，df$x使用sample匹配动物并替换。然后，我们cbind将结果samp放在一起，以便animals的每一行都是system.time的样本。最后一行是使用矩阵乘法的行和。

animal对于每个n <- 1000 ## number of samples for each animal system.time(as.vector(do.call(cbind, lapply(animals, function(x) {sample(df$y[df$x == x], n, replace=TRUE)})) %*% rep(1,length(animals)))) ## user system elapsed ## 0.001 0.000 0.001的1000个样本几乎是即时的：

这也应该适用于样本数量public void printReflectionClassNames(){ StringBuffer buffer = new StringBuffer(); Class clazz= buffer.getClass(); System.out.println("Reflection on String Buffer Class"); System.out.println("Name: "+clazz.getName()); System.out.println("Simple Name: "+clazz.getSimpleName()); System.out.println("Canonical Name: "+clazz.getCanonicalName()); System.out.println("Type Name: "+clazz.getTypeName()); } outputs: Reflection on String Buffer Class Name: java.lang.StringBuffer Simple Name: StringBuffer Canonical Name: java.lang.StringBuffer Type Name: java.lang.StringBuffer。

对数据帧中特定值的总和进行高效重新采样

2 个答案: