R语言固定总样本量而非分层样本量的分层抽样

9rygscc1 于 2023-02-27 发布在其他

关注(0)|答案(1)|浏览(135)

我有一个数据集，希望尽可能均匀地对给定变量进行降采样。假设 Dataframe 为54个观测值，降采样组的固定总大小设置为25。但是，由于分层变量中的某些n较小，当我尝试均匀选择数字时，由于最小组中的观测数小于预期的分层组大小，因此会出错（在下面的示例中，2〈5）。与使用replace = TRUE复制观测不同，我希望选择较小组中的所有观测，然后填充其他分层组中的数字，直到满足指定的样本大小。这意味着，当第一个只有2个观测的组无法再次采样时，剩下的组的数目会增加，直到我选择了25个。2这将提供尽可能均匀的分层组下采样，而没有重复。
下面是我的示例，当我试图均匀地分割样本时，我收到了错误。因为我使用group_by来执行此操作，我无法指定总样本大小为25。是否有更好的方法或其他我不知道的函数可以轻松地以这种方式进行采样？或者是否有人可以帮助我发现允许某种group_by+的方法slice_sample组合工作

df <- data.frame(
  strat_group = c(rep("one", 2), rep("two", 10), rep("three", 5), rep("four", 25), rep("five", 12))
)

strat_group_size <- (25 / length(unique(df$strat_group)))

df |>
  dplyr::group_by(strat_group) |>
  dplyr::slice_sample(n = strat_group_size)

Error in `dplyr::slice_sample()`:
! Problem while computing indices.
ℹ The error occurred in group 3: strat_group = "one".
Caused by error in `sample.int()`:
! cannot take a sample larger than the population when 'replace = FALSE'

我想要的是一种方法，它可以按分层组均匀地进行下采样，直到达到一个特定的数字（N = 25）。

df <- data.frame(
  strat_group = c(rep("1", 2), rep("2", 6), rep("3", 5), rep("4", 6), rep("5", 6))
  )

我很感激任何事先的帮助！这个问题已经难住我一段时间了。

r

来源：https://stackoverflow.com/questions/75510552/stratified-sampling-to-fixed-total-size-instead-of-stratified-sizes

1条答案

按热度按时间

e5nszbig1#

我知道你要求一个tidyverse的解，但是你可以通过一个以R为基数的循环来实现。
在每次循环迭代中，从最少表示的组中随机选取一行，该组仍有剩余的元素。

N=25            # how many rows do we want?
df$sampled = 0  # set each row initially to 'unselected'

for(i in 1:N){
  
  # find the number taken from each group, and the number remaining in each group
  
  df$totalpergroup=ave(df$sampled, df$strat_group, FUN=sum)
  df$remaining=ave((1-df$sampled), df$strat_group, FUN=sum)
  
  # choose an unselected row from the least represented group that has at least one row left
  # use this weird way of sampling a single value because of how 'sample' works when there's only one element
  
  possibleRows <- which((df$totalpergroup==min(df[df$remaining>0,"totalpergroup"])) & (df$sampled==0))
  rowToAdd <- possibleRows[sample(length(possibleRows),1)]
  
  # select that row
   
  df$sampled[rowToAdd] <- 1

}

# Here's my subsampled df

df[df$sampled==1,]

   strat_group sampled totalpergroup remaining
1          one       1             2         0
2          one       1             2         0
3          two       1             5         5
7          two       1             5         5
8          two       1             5         5
9          two       1             5         5
10         two       1             5         5
12         two       1             5         5
13       three       1             5         0
14       three       1             5         0
15       three       1             5         0
16       three       1             5         0
17       three       1             5         0
19        four       1             6        19
21        four       1             6        19
27        four       1             6        19
28        four       1             6        19
36        four       1             6        19
42        four       1             6        19
46        five       1             6         6
47        five       1             6         6
48        five       1             6         6
51        five       1             6         6
52        five       1             6         6
53        five       1             6         6

赞(0）回复(0）举报 2023-02-27

我来回答

R语言固定总样本量而非分层样本量的分层抽样

1条答案

相关问题

热门标签

最新问答

R语言 固定总样本量而非分层样本量的分层抽样

1条答案

相关问题

热门标签

最新问答

R语言固定总样本量而非分层样本量的分层抽样