通过组替换引导，但为重新采样的单元创建新标识符

Posted 2021-04-14

我正在尝试从R中的替换数据表中引导组。

这是数据表，例如：

dat = data.table('n'=c(1,1,1,2,2,2,2,3,4,4,4,4,4),'y'=round(rnorm(13,0,1),1))


   n    y
 1: 1 -0.8
 2: 1  0.5
 3: 1 -0.1
 4: 2  0.2
 5: 2 -0.1
 6: 2 -2.7
 7: 2  0.1
 8: 3  0.3
 9: 4 -0.7
10: 4 -0.2
11: 4  1.2
12: 4  1.2
13: 4 -0.1

一个自举样本随机抽取4组'n'，因此结果可能是这样的（在这个实现中，绘制了1,4组，绘制了两次）：

   n    y
 1: 4 -0.7
 2: 4 -0.2
 3: 4  1.2
 4: 4  1.2
 5: 4 -0.1
 6: 3  0.3
 7: 3  0.3
 8: 1 -0.8
 9: 1  0.5
10: 1 -0.1

但是，我的问题是，如果我按'n'分组，它认为第6行和第7行是同一组，而实际上它们是重采样版本，所以我想以不同方式对待它们，例如，通过添加第三列这就是说，“这是从3开始的第二组”（例如3.1和3.2）或完成它的东西。

答案

你可以通过连接（很可能也是其他方式）来做到这一点。

首先，我们生成一个bootstrap示例。这包含两个变量：新组id，bid和样本组n

set.seed(84)
bootsample = data.table(n=sample(1:4, 4, replace=TRUE), bid=1:4)
bootsample

   n bid
1: 4   1
2: 2   2
3: 4   3
4: 4   4

然后我们需要将它合并回原始数据表。由于这些组被重复，我们应该使用allow.cartesian=TRUE参数。您可以在后续分析中使用bid变量组。

merge(bootsample, dat, allow.cartesian=TRUE)

    n bid    y
 1: 2   2  1.1
 2: 2   2  2.2
 3: 2   2 -0.8
 4: 2   2 -1.4
 5: 4   1 -1.3
 6: 4   1 -0.4
 7: 4   1 -1.0
 8: 4   1  0.9
 9: 4   1 -0.3
10: 4   3 -1.3
11: 4   3 -0.4
12: 4   3 -1.0
13: 4   3  0.9
14: 4   3 -0.3
15: 4   4 -1.3
16: 4   4 -0.4
17: 4   4 -1.0
18: 4   4  0.9
19: 4   4 -0.3

可能有更紧凑的解决方案。请注意，如果引导组的大小不同，则可能会给您带来各种问题，具体取决于您使用引导数据的方式。