r - 对数据帧中特定值的总和进行高效重采样

Question

我的数据是这样的:

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)
)

我想遍历数据并为某个“包含/过滤器”列表中的每只动物获取一个值，然后将它们相加。

例如，也许我只关心狗、猫和鱼。

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

在重采样 1 中，我可以得到 10、4、9(总和 = 23)，在重采样 2 中我可以得到 6、3、5(总和 = 14)。

我刚刚创建了一个依赖于 dplyr 的非常简陋的 replicate/for 函数，但它看起来非常低效:

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))

我该如何改进这个重采样/伪 Bootstrap 代码？

Answer 1

我不确定这是否更好(没有时间进行基准测试)，但您可以避免此处的双循环。您可以先按 animals 过滤(并因此处理子集)，然后从每个组中仅对 n 样本进行一次采样。如果你喜欢 dplyr，这里有一个可能的 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