当数据为长格式时，R 中的随机样本

Question

我需要随机采样一个以长格式排列的数据集。在我的数据集中，每个主题都有 4 个观察值，因此如果我随机抽取一行，我会随机丢失每个主题的一个或多个观察值。

这是用于说明目的的模拟数据，我的数据要大得多。

sub sex group   dv1 dv2
P1  m   A   0.66    0.94
P1  m   B   0.98    0.26
P1  m   C   0.02    0.03
P1  m   D   0.60    0.30
P2  m   A   0.92    0.99
P2  m   B   0.82    0.09
P2  m   C   0.44    0.67
P2  m   D   0.53    0.80
P3  f   A   0.29    0.22
P3  f   B   0.46    0.20
P3  f   C   0.37    0.77
P3  f   D   0.76    0.54
P4  m   A   0.28    0.99
P4  m   B   0.16    0.57
P4  m   C   0.46    0.75
P4  m   D   0.28    0.21

在这个例子中，我需要随机选择 2 个男性。例如，我尝试使用 dplyr 打包(见下文)，但如果我给出 2 个样本，它只会给我 2 行 sex="m"和 2 表示 sex="f" .总共有 4 个随机选择的行。我需要做的是给我 8 行，其中 4 行来自一名男性，4 行来自另一名男性。将分组参数更改为 sub不起作用，因为它咆哮说组中只有 2 个级别(实际上，它可以在这个玩具示例中工作，因为每个子集有 4 个级别，但请注意，我从更大的数据集中选择了 50 个样本) .此外，它只会为每个子提供 2 个随机行，这不是我需要的。

library(dplyr)  
subset <- data %>%  
group_by(sex) %>%  
sample_n(2)

请不要建议将日期 reshape 为宽格式并在那里进行采样，因为我知道我可以做到这一点。我相信一定有一种方法可以以长格式进行采样。

Answer 1

我会从患者姓名中采样，然后按这些采样姓名进行过滤:

看看所有的男性

male_subset <- data %>% filter(sex == "m")

寻找唯一的男性 ID

male_IDs <- unique(male_subset$sub)

来自唯一 ID 的样本

sampled_IDs <- sample(male_IDs, 2)

现在，您可以根据这些采样 ID 对数据进行子集化:

data %>% filter(sub %in% sampled_IDs)

这应该为 2 个采样个体中的每一个返回所有四行。