R:对不同组大小的类别中150个值进行代表性随机抽样

Question

我面临的问题是，我想从基于两个类别的数据集中随机抽取150个样本"站点"one_answers";species"。因此，理想情况下，每个站点有30个样本，每个物种或多或少均匀分布。

可再生的例子:

df <- data.frame(site = rep(c("A", "B", "C", "D", "E"), each = 10), species = c("s1", rep("s2", each = 3), rep("s3", each = 16), rep("s4", each = 13), rep("s5", each = 17)), individual = c(1, 1:3, 1:16, 1:13, 1:17) )

我认为使用dplyr函数group_by(site, species)和slice_sample()是一种很好的方法，但是每组采样一定数量，而不是总共150个。我现在遇到的另一个问题是，slice_sample在每组中至少需要n个样本才能工作。这并不总是给定的。那么，是否有可能总共抽样150个，当每组没有提供所需的抽样数量时，就只抽样其他组作为补偿?

谢谢!

Answer 1

一种选择是nest_by(site)，然后使用slice_sample()从每组抽取30个样本。如果需要，我们可以用tidyr::unnest()来得到一个"正常的";data.frame包含所有绘制的样本。

问题可能是这样的:

每个物种或多或少均匀分布

当我们观察你的sites时，我们可以看到大多数站点只有一个物种。因此，从原始数据中提取样本将导致只包含特定species的特定站点。或者，我们可以对species进行采样，并随机分配一个site，而不考虑这个species从未在那里被观察到。

library(dplyr)
library(tidyr)
site_sample <- df %>% 
nest_by(site) %>% 
summarise(data = list(slice_sample(data, n = 30, replace = TRUE)))
#> `summarise()` has grouped output by 'site'. You can override using the `.groups`
#> argument.
site_sample
#> # A tibble: 5 x 2
#> # Groups:   site [5]
#>   site  data             
#>   <chr> <list>           
#> 1 A     <tibble [30 x 2]>
#> 2 B     <tibble [30 x 2]>
#> 3 C     <tibble [30 x 2]>
#> 4 D     <tibble [30 x 2]>
#> 5 E     <tibble [30 x 2]>
site_sample %>% 
unnest(data)
#> # A tibble: 150 x 3
#> # Groups:   site [5]
#>    site  species individual
#>    <chr> <chr>        <dbl>
#>  1 A     s1               1
#>  2 A     s3               1
#>  3 A     s1               1
#>  4 A     s3               5
#>  5 A     s3               3
#>  6 A     s3               4
#>  7 A     s2               2
#>  8 A     s3               3
#>  9 A     s3               5
#> 10 A     s3               2
#> # ... with 140 more rows

原始数据

df <- data.frame(site = rep(c("A", "B", "C", "D", "E"), each = 10), species = c("s1", rep("s2", each = 3), rep("s3", each = 16), rep("s4", each = 13), rep("s5", each = 17)), individual = c(1, 1:3, 1:16, 1:13, 1:17) ) 

^{由reprex包(v2.0.1)在2022-12-16创建}