Question

我有一个数据集，其中包括物种清单，数量以及调查开始时的天数。由于许多天没有采样，因此日不是连续的。因此，例如，在第5,6,9,10,15,34,39天可能会有鸟类计数，依此类推。我将最早的日期定为第0天。

示例数据：

species     counts      day
Blue tit    234         0
Blue tit    24          5
Blue tit    45          6
Blue tit    32          9
Blue tit    6           10
Blue tit    98          15
Blue tit    40          34
Blue tit    57          39
Blue tit    81          43
..................

我需要引导这些数据并得到一个结果数据集，我指定何时开始，要进行的间隔时间和要采样的点数。

示例：假设我随机选择第5天作为开始日，时间间隔为30，采样行数为2。这意味着我将从5开始，向它添加30，并在35天左右寻找2行（但不是第35天本身）。在这种情况下，我会抓住那一天是34和39的两行。

接下来我添加30到35并在65左右找到两个点。冲洗，重复直到我到达数据集的末尾。

我已经写了这个函数来进行抽样，但它有缺陷（见下文）：

resample <- function(x, ...) x[sample.int(length(x), ...)]
 locate_points<- function(dataz,l,n) #l is the interval, n is # points to sample. This is called by another function that specifies start time among other info.
{
   tlength=0
   i=1
    while(tlength<n)   
    {
        low=l-i
        high=l+i
        if(low<=min(dataz$day)) { low=min(dataz$day) }
        if(high>=max(dataz$day)) { high=max(dataz$day) }
        test=resample(dataz$day[dataz$day>low & dataz$day<high & dataz$day!=l])
          tlength=length(test)
         i=i+1
      } 
  test=sort(test)
  k=test[1:n]
 return (k)
 }

我需要帮助的两个问题：

虽然我的函数确实返回了所需的点数，但它并不以搜索值为中心。有道理，因为随着我越来越宽，我得到更多的积分，当我对它们进行排序并选择前n时，它们往往不是低值。
其次，如何获取实际行？现在，我有另一个函数可以使用which找到这些行，然后rbind将这些行放在一起。似乎应该有更好的方法。

谢谢！

Answer 1

喜欢Charles的解决方案，它适用于n = 2的情况。唉，它不能扩展到更大的窗户。它仍然存在OP描述的问题：对于较大的窗口，选择不以搜索值为中心。鉴于n是偶数，我提出了以下解决方案，主要基于查尔斯的想法。

该功能控制边框。如果有100天，并且下一个中点是第二天的第二个，那么4的窗口意味着您选择索引101，这将给出NA。此功能可以移动窗口，使所有选定的索引都位于原始数据中。这也有副作用，取决于start（st），length（l）和window（n）值的开始和结束的值有更高的机会被选中两次。长度应始终至少是窗口大小的两倍。

函数的输出是bootstrap样本的索引。它可以用作矢量和数据帧上Charles的pos变量。

bboot <- function(day,st,l,n){
  mid <- seq(st,max(day),by=l)
  x <-sort(setdiff(day,mid))
  lx <- length(x)

  id <- sapply(mid,
          function(y){
            m <- match(T,x>y)
            seq(
              from=min( lx-n, max(1,m+(-n/2)) ),
              to=min( lx, max(n,m+(n/2-1)) )
            )
          }
        )

  pos <- match(x[id],day)
  return(pos)
}

然后

>   day <- sample(1:100,50)
> sample.rownr <- bboot(day,10,20,6)
> sort(day)
 [1]  3  4  5  7  9 10 13 15 16 18 19 21 22 24 25 26 27 28 29 
[20] 30 31 32 35 36 38 40 45 49 51 52 54 55 58 59 62 65 69 72 73
[40] 74 80 84 87 88 91 92 94 97 98 99
> day[sample.rownr]
 [1]  5  7  9 13 15 16 27 28 29 31 32 35 40 45 49 51 52 54 62 
[20] 65 69 72 73 74 84 87 88 91 92 94
>

编辑：关于时间序列的引导，你应该浏览CRAN taskview on time series，特别是有关重新采样的部分。对于不规则的时间序列，zoo包还提供了一些其他功能，可以派上用场。

Answer 2

如下所示：

day = 1:1000

search = seq(from=5, to=max(day), by=30)
x = sort(setdiff(day, search))
pos = match(x[unlist(lapply(findInterval(search, x), seq, len=2))], day)

day[pos]

要从data.frame获取行，只需将其子集化：

rows = data[pos, ]

这可能比unlist / lapply / seq组合稍微清晰：

pos = match(x[outer(c(0, 1), findInterval(search, x), `+`)], day)

另请注意，如果您想要一个更大的窗口（例如说4），那只需要稍微回过头来看：

pos = match(x[outer(-1:2, findInterval(search, x), `+`)], day)

当数据不连续时，如何随机抽取最接近值y的n个值？

2 个答案: