我有一个纵向数据集，每个观察对象包含一行所有个体。每次观察都有几个测量值，有些可能缺失。 个人的观察数量差异很大，并且存在大量辍学现象。这是数据集的一部分
> head(mydata,33)
id obstime agebase cd4 rna hem
1 10056 1 59 25.17936 3.611298 15.0
3 10056 3 59 21.33073 4.044030 15.4
4 10082 1 35 23.64318 5.275298 14.9
12 10082 9 35 22.31591 5.493349 14.4
22 10082 19 35 NA 5.875061 13.8
26 10082 23 35 18.84144 5.462503 13.9
28 10082 25 35 23.36664 2.397940 13.7
31 10082 28 35 26.55184 NA 15.3
34 10082 31 35 24.91987 NA 14.8
37 10082 34 35 24.08319 NA 15.5
41 10082 38 35 24.49490 NA 15.2
44 10082 41 35 26.00000 NA 15.5
48 10082 45 35 26.79552 NA 15.6
51 10082 48 35 24.53569 NA 14.9
55 10082 52 35 27.25803 NA 16.2
58 10082 55 35 26.47640 NA 15.4
61 10082 58 35 30.31501 NA 15.6
64 10082 61 35 27.01851 NA 15.8
67 10082 64 35 27.00000 NA NA
70 10082 67 35 28.37252 NA 16.2
73 10082 70 35 27.20294 NA 14.9
77 10082 74 35 25.23886 NA 14.7
79 10082 76 35 28.65310 NA 15.8
82 10082 79 35 28.17801 NA NA
85 10082 82 35 29.52965 NA 15.5
88 10082 85 35 29.52965 2.397940 15.5
89 10143 1 46 20.97618 4.361728 13.2
94 10143 6 46 22.00000 4.173507 14.0
98 10143 10 46 22.00000 4.173507 14.0
99 10215 1 33 20.49390 4.144605 16.0
......
> dim(mydata)
[1] 19793 6
> length(unique(mydata$id))
[1] 2161
我需要的是从此数据集生成引导样本，其中保留各个群集，这样如果对个体进行采样，则该id的整个观察结果将进入自举样本。当然，个人可以被多次采样，在这种情况下，它应该以适当的次数输入重新采样的数据，并且理想地接收改变的ID号，例如10056.1,10056.2。
现在我要蛮力解决问题尽可能地解决问题，但如果有人对如何快速做到这一点有任何想法，我会非常感激。
编辑：我最终使用
dat <- mydata
indiv <- unique(dat[, 1])
smp <- sort(sample(indiv, length(indiv), replace=TRUE))
smp.df <- data.frame(id=smp)
dat.b = merge(smp.df, dat, all.x=TRUE)
# Number of observations for all IDs in original dataset
n.obs <- table(dat[, 1])
# Unique ids in the bootstrap sample
smpU <- unique(smp)
# Number of replicates sampled
reps <- as.vector(table(smp))
# Number of observations in the sampled IDs observation sets
obs <- as.vector(n.obs[match(smpU, names(n.obs))])
# Hacking the names
id.rep.obs <- cbind(smpU, reps, obs)
NameFun <- function(info) {
names <- as.numeric(paste0(rep(info[1], info[2]), ".", seq(1, info[2])))
names.long <- sort(rep(names, info[3]))
}
dat.b[, 1] <- do.call("c", apply(id.rep.obs, 1, NameFun))
dat.b <- dat.b[order(dat.b[, 1], dat.b[, 2]), ]
答案 0 :(得分：2)
您可以使用sample创建ID列表，然后merge()。
首先，重新创建数据：
dat <- read.table(text="
id obstime agebase cd4 rna hem
1 10056 1 59 25.17936 3.611298 15.0
3 10056 3 59 21.33073 4.044030 15.4
4 10082 1 35 23.64318 5.275298 14.9
12 10082 9 35 22.31591 5.493349 14.4
22 10082 19 35 NA 5.875061 13.8
26 10082 23 35 18.84144 5.462503 13.9
28 10082 25 35 23.36664 2.397940 13.7
31 10082 28 35 26.55184 NA 15.3
34 10082 31 35 24.91987 NA 14.8
37 10082 34 35 24.08319 NA 15.5
41 10082 38 35 24.49490 NA 15.2
44 10082 41 35 26.00000 NA 15.5
48 10082 45 35 26.79552 NA 15.6
51 10082 48 35 24.53569 NA 14.9
55 10082 52 35 27.25803 NA 16.2
58 10082 55 35 26.47640 NA 15.4
61 10082 58 35 30.31501 NA 15.6
64 10082 61 35 27.01851 NA 15.8
67 10082 64 35 27.00000 NA NA
70 10082 67 35 28.37252 NA 16.2
73 10082 70 35 27.20294 NA 14.9
77 10082 74 35 25.23886 NA 14.7
79 10082 76 35 28.65310 NA 15.8
82 10082 79 35 28.17801 NA NA
85 10082 82 35 29.52965 NA 15.5
88 10082 85 35 29.52965 2.397940 15.5
89 10143 1 46 20.97618 4.361728 13.2
94 10143 6 46 22.00000 4.173507 14.0
98 10143 10 46 22.00000 4.173507 14.0
99 10215 1 33 20.49390 4.144605 16.0", header=TRUE)
现在创建一个id号样本：
set.seed(42)
indiv <- unique(dat$id)
smp <- data.frame(id=sample(indiv, 10, replace=TRUE))
smp
id
1 10082
2 10143
3 10215
4 10082
5 10082
6 10215
7 10215
8 10056
9 10082
10 10143
最后，合并：
merge(smp, dat, all.x=TRUE)
你会注意到你的样本是通过每个id集的多个观察来引导的：
id obstime agebase cd4 rna hem
1 10056 1 59 25.17936 3.611298 15.0
2 10056 3 59 21.33073 4.044030 15.4
3 10082 19 35 NA 5.875061 13.8
4 10082 23 35 18.84144 5.462503 13.9
5 10082 1 35 23.64318 5.275298 14.9
6 10082 9 35 22.31591 5.493349 14.4
7 10082 31 35 24.91987 NA 14.8
8 10082 34 35 24.08319 NA 15.5
9 10082 25 35 23.36664 2.397940 13.7
10 10082 28 35 26.55184 NA 15.3
11 10082 45 35 26.79552 NA 15.6
12 10082 48 35 24.53569 NA 14.9
13 10082 38 35 24.49490 NA 15.2
14 10082 41 35 26.00000 NA 15.5
15 10082 58 35 30.31501 NA 15.6
16 10082 61 35 27.01851 NA 15.8
17 10082 52 35 27.25803 NA 16.2
18 10082 55 35 26.47640 NA 15.4
19 10082 70 35 27.20294 NA 14.9
20 10082 74 35 25.23886 NA 14.7
21 10082 64 35 27.00000 NA NA
22 10082 67 35 28.37252 NA 16.2
23 10082 82 35 29.52965 NA 15.5
24 10082 85 35 29.52965 2.397940 15.5
25 10082 76 35 28.65310 NA 15.8
26 10082 79 35 28.17801 NA NA
27 10082 19 35 NA 5.875061 13.8
28 10082 23 35 18.84144 5.462503 13.9
29 10082 1 35 23.64318 5.275298 14.9
30 10082 9 35 22.31591 5.493349 14.4
31 10082 31 35 24.91987 NA 14.8
32 10082 34 35 24.08319 NA 15.5
33 10082 25 35 23.36664 2.397940 13.7
34 10082 28 35 26.55184 NA 15.3
35 10082 45 35 26.79552 NA 15.6
36 10082 48 35 24.53569 NA 14.9
37 10082 38 35 24.49490 NA 15.2
38 10082 41 35 26.00000 NA 15.5
39 10082 58 35 30.31501 NA 15.6
40 10082 61 35 27.01851 NA 15.8
41 10082 52 35 27.25803 NA 16.2
42 10082 55 35 26.47640 NA 15.4
43 10082 70 35 27.20294 NA 14.9
44 10082 74 35 25.23886 NA 14.7
45 10082 64 35 27.00000 NA NA
46 10082 67 35 28.37252 NA 16.2
47 10082 82 35 29.52965 NA 15.5
48 10082 85 35 29.52965 2.397940 15.5
49 10082 76 35 28.65310 NA 15.8
50 10082 79 35 28.17801 NA NA
51 10082 19 35 NA 5.875061 13.8
52 10082 23 35 18.84144 5.462503 13.9
53 10082 1 35 23.64318 5.275298 14.9
54 10082 9 35 22.31591 5.493349 14.4
55 10082 31 35 24.91987 NA 14.8
56 10082 34 35 24.08319 NA 15.5
57 10082 25 35 23.36664 2.397940 13.7
58 10082 28 35 26.55184 NA 15.3
59 10082 45 35 26.79552 NA 15.6
60 10082 48 35 24.53569 NA 14.9
61 10082 38 35 24.49490 NA 15.2
62 10082 41 35 26.00000 NA 15.5
63 10082 58 35 30.31501 NA 15.6
64 10082 61 35 27.01851 NA 15.8
65 10082 52 35 27.25803 NA 16.2
66 10082 55 35 26.47640 NA 15.4
67 10082 70 35 27.20294 NA 14.9
68 10082 74 35 25.23886 NA 14.7
69 10082 64 35 27.00000 NA NA
70 10082 67 35 28.37252 NA 16.2
71 10082 82 35 29.52965 NA 15.5
72 10082 85 35 29.52965 2.397940 15.5
73 10082 76 35 28.65310 NA 15.8
74 10082 79 35 28.17801 NA NA
75 10082 19 35 NA 5.875061 13.8
76 10082 23 35 18.84144 5.462503 13.9
77 10082 1 35 23.64318 5.275298 14.9
78 10082 9 35 22.31591 5.493349 14.4
79 10082 31 35 24.91987 NA 14.8
80 10082 34 35 24.08319 NA 15.5
81 10082 25 35 23.36664 2.397940 13.7
82 10082 28 35 26.55184 NA 15.3
83 10082 45 35 26.79552 NA 15.6
84 10082 48 35 24.53569 NA 14.9
85 10082 38 35 24.49490 NA 15.2
86 10082 41 35 26.00000 NA 15.5
87 10082 58 35 30.31501 NA 15.6
88 10082 61 35 27.01851 NA 15.8
89 10082 52 35 27.25803 NA 16.2
90 10082 55 35 26.47640 NA 15.4
91 10082 70 35 27.20294 NA 14.9
92 10082 74 35 25.23886 NA 14.7
93 10082 64 35 27.00000 NA NA
94 10082 67 35 28.37252 NA 16.2
95 10082 82 35 29.52965 NA 15.5
96 10082 85 35 29.52965 2.397940 15.5
97 10082 76 35 28.65310 NA 15.8
98 10082 79 35 28.17801 NA NA
99 10143 10 46 22.00000 4.173507 14.0
100 10143 1 46 20.97618 4.361728 13.2
101 10143 6 46 22.00000 4.173507 14.0
102 10143 10 46 22.00000 4.173507 14.0
103 10143 1 46 20.97618 4.361728 13.2
104 10143 6 46 22.00000 4.173507 14.0
105 10215 1 33 20.49390 4.144605 16.0
106 10215 1 33 20.49390 4.144605 16.0
107 10215 1 33 20.49390 4.144605 16.0
答案 1 :(得分：0)
我知道这是一个老问题，我有自己的解决方案。
基本思想是将数据拆分为按ID列出的列表，然后对ID进行采样。使用采样的ID来匹配列表并创建新ID：
out <- split(dat, f = dat$id)
smp.id <- sample(dat$id, length(unique(dat$id)), replace = TRUE)
samp.df <- lapply(seq_along(smp.id), function(x){
res <- out[[as.character(smp.id[x])]] # To avoid numeric ID
res$newID <- x
return(res)
})
samp.df <- do.call(rbind, samp.df)
变量newID有助于区分引导样本。