r语言 - 带采样功能的过采样

Question

我想创建一个mtcars数据集，其中所有圆柱体都有 100 个观测值。为此，我将对现有观察结果进行替换。

我尝试了以下代码，由于某种原因，它不会产生 300 个观察结果。

library(data.table)
mtcars <- data.table(mtcars)
resampling <- list()
set.seed(3)
cyl <- sort(unique(as.character(mtcars$cyl)))
for (i in 1:length(cyl)){
min_obs_cyl <- 100
dat_cyl <- mtcars[cyl == as.numeric(cyl[i]) ]
resampling[[  cyl[i]  ]] <- dat_cyl[sample(1:nrow(dat_cyl),
size = (min_obs_cyl - nrow(mtcars[cyl == cyl[i] ])),
replace = T),]
}
resampling_df <- do.call("rbind", resampling)
mtcars_oversample <- rbind(mtcars, resampling_df)

我得到了 307 个观察结果。有人知道我做错了什么吗？

Answer 1

对于替代解决方案，您可以使用dplyr并执行以下操作：

library(dplyr)
mtcars %>%
group_by(cyl) %>%
do(sampled = sample_n(., size = 100, replace = TRUE)) %>%
select(-cyl) %>%
unnest()

Answer 2

这是使用dplyr::slice的另一种方法

mtcars %>%
group_by(cyl) %>%
slice(sample(n(), 100, replace = T)) %>%
ungroup()

Answer 3

我认为在这种情况下，您可以使用data.table的by=功能在组内进行采样。 从每个cyl组中的.I行计数器sample，然后使用此行标识符从原始集中子选择行：

mtcars[mtcars[, sample(.I, 100, replace=TRUE), by=cyl]$V1,]
#      mpg cyl  disp  hp drat    wt  qsec vs am gear carb
#  1: 18.1   6 225.0 105 2.76 3.460 20.22  1  0    3    1
#  2: 17.8   6 167.6 123 3.92 3.440 18.90  1  0    4    4
#  3: 19.2   6 167.6 123 3.92 3.440 18.30  1  0    4    4
#  4: 19.2   6 167.6 123 3.92 3.440 18.30  1  0    4    4
#  5: 21.0   6 160.0 110 3.90 2.620 16.46  0  1    4    4
# ---                                                    
#296: 15.5   8 318.0 150 2.76 3.520 16.87  0  0    3    2
#297: 19.2   8 400.0 175 3.08 3.845 17.05  0  0    3    2
#298: 19.2   8 400.0 175 3.08 3.845 17.05  0  0    3    2
#299: 14.3   8 360.0 245 3.21 3.570 15.84  0  0    3    4
#300: 15.2   8 275.8 180 3.07 3.780 18.00  0  0    3    3

如果需要为每个组指定不同的计数，下面是一个选项。特殊.BY对象将by=参数的值存储为列表。

grpcnt <- setNames(c(50,100,70), unique(mtcars$cyl))
#  6   4   8 
# 50 100  70 
mtcars[mtcars[, sample(.I, grpcnt[as.character(.BY[[1]])], replace=TRUE), by=cyl]$V1]