如何使用ddply按组对数据进行子采样？

Question

我有一个数据框，行数太多，无法进行空间相关图。相反，我想为每个物种抓取40行并在该子集上运行我的相关图。

我编写了一个函数来对数据框进行子集化，如下所示：

    samp <- function(dataf)
{
    dataf[sample(1:dim(dataf)[1], size=40, replace=FALSE),]
}

现在我想在更大的数据框中将这个函数应用于每个物种。

当我尝试类似

时

culled_data = ddply (larger_data, .(species), subset, samp)

我收到此错误：

Error in subset.data.frame(piece, ...) : 
  'subset' must evaluate to logical

任何人都有关于如何做到这一点的想法？

Answer 1

从您的通话中删除, subset后，它看起来应该有效。

Answer 2

Dirk的答案当然是正确的，但是为了添加额外的解释，我发布了自己的答案。

为什么你的电话不起作用？

首先，您的语法是速记。它相当于

ddply(larger_data, .(species), function(dfrm) subset(dfrm, samp))

因此，您可以清楚地看到您提供function（请参阅class(samp)）作为subset的第二个参数。您可以使用samp(dfrm)，但由于samp返回data.frame而subset需要逻辑向量，因此无效。因此，当它返回逻辑索引时，您可以使用samp(dfrm)。

在这种情况下如何使用子集？

通过向他提供逻辑向量来使subset工作：

ddply (larger_data, .(species), subset, sample(seq_along(species)<=40))

我使用40 TRUE创建逻辑向量（顺便说一下，当某些spieces少于40个案例，然后它返回所有内容时）它会随机发生。