R 中的高效采样（在模拟采样时用应用或类似的快速解决方案替换循环）

Question

我有一个包含三列的数据框：“x”、“y”、“measurement”。下面是一个例子。

df <- expand.grid(x = 1:5, y = 1:5)

set.seed(1)
df$measurement <- round(rnorm(nrow(df)),2)

head(df, n = 10)

我想根据存储在 x 中的 x 值从此数据框中抽取样本。采样 x 步骤的每个样本大小应为 n_sample.

换句话说，索引存储在原始数据框中的x中。我将首先对 x 进行采样，然后使用这些值从 df 中绘制行。这个过程需要重复n_sim次。

我可以使用循环来实现这一点，但它在 R 中非常缓慢且效率低下。我想使用 apply 一种函数或类似更快的方法。

# number of simulation
n_sim  <- 20 

# sample using x values (indexes)
x_vals <- unique(df$x)

# size of each sample 
n_sample <- 3

# sampling
sample_xs <- replicate(n = n_sim, 
                       sample(x_vals, n_sample, replace = F), 
                       simplify = F)

# ***** SLOW R LOOP: NEEDS TO BE REPLACED ******
output_sampled <- list()
for(i in 1:n_sim){
  output_sampled[[i]] <- df[df$x %in% sample_xs[[i]], ]
}

示例如下：

output_sampled[[1]]

在上面的示例中，在采样过程中选择了 x 值 1、4、5，以及它们与所有可能的 y 值和相应测量值的配对。这给了我们 15 个配对（有 5 个不同的 y 值，我们采样了 3 个 x 值，给出 3 * 5 = 15）。

nrow(output_sampled[[1]])

如何在 R 中用快速的东西替换低效的循环？

Answer 1

我不确定它是否更快（你可以给它们计时）但是单行是（在你的代码之后我不会重复）

output_sampled2 <- with(df, lapply(sample_xs, \(s) df[x %in% s, ] )

为循环使用

lapply

，为清晰起见使用

with

（这样就不需要笨拙的

df$x

）和匿名函数的新符号

\(s)

。