R replizieren Probe Funktion ohne Ersatz

Question

Ich möchte 5 zufällige Zeilen 1000 mal probieren und sie in einem Datenrahmen zusammenfassen. Ich habe ein Problem mit der replace = FALSE und ich frage mich, wo man es auf replace = TRUE setzen kann.

Ich habe einen Datensatz von 5000 Zeilen, die (vereinfacht) wie folgt aussieht:

Fund.ID Vintage Type Region.Focus Net.Multiple Size 
[1,] 4716 2003 2 US   1.02   Small 
[2,] 2237 1998 25 Europe  0.03   Medium 
[3,] 1110 1992 2 Europe  1.84   Medium 
[4,] 12122 1997 25 Asia   2.04   Large 
[5,] 5721 2006 25 US   0.86   Mega 
[6,] 730 1998 2 Europe  0.97   Small 

Diese meine Funktion ist, die mit einer zufälligen Reihe beginnt und schließt eine Einschränkung für die 5 Reihen gezogen werden .:

 simulate <- function(inv.period) { 
      start <- sample_n(dataset, 1, replace=TRUE) #draw random first fund 
      t <- start$Vintage:(start$Vintage + inv.period) #define investment period contingent on first fund 
      fof <- dataset[sample(which(dataset$Vintage %in% t), 5, replace = FALSE), ] #include constraint, 5 funds in portfolio 
     } 

#replicate this function 1,000 times 
#and give out as a data frame with portfolios classified 
     library(plyr) 
     library(dplyr) 
     fof.5 <- rdply(1000, simulate(4)) 
     rename(fof.5, FoF.ID = .n) 

Wenn ich ersetzen verwenden = FALSE in der simulieren-Funktion (nach fof < -), bekomme ich diesen Fehler:

Error in sample.int(length(x), size, replace, prob) : 
    cannot take a sample larger than the population when 'replace = FALSE' 

Der ganze Ausdruck funktioniert, wenn ich ersetzen = TRUE. Dies wäre jedoch nicht korrekt, da eine Zeile im selben Beispiel doppelt gezeichnet werden könnte, was ich nicht möchte.

Gibt es eine Möglichkeit, replace = FALSE zu setzen, wenn Zeilen gezeichnet werden, aber replace = TRUE für den gesamten Datensatz? Es sollte sein: Eine Zeile kann nur einmal innerhalb der Probe gezeichnet werden, kann aber in einer anderen Probe ein anderes Mal gezogen werden.

Answer 1

Ich würde vorschlagen, die dplyr Sachen herauszunehmen, gibt es keine Notwendigkeit dafür. Zweitens, fügen Sie eine Variable für die Übereinstimmungen mit dem Namen matches hinzu, um dann die Länge dieses Vektors oder die Zahl 5 abzutasten, je nachdem, welcher Wert kleiner ist. Schließlich würde ich data.table::rbindlist verwenden, es hat ein Argument, um einen Index zu erstellen, der angibt, welche Zeichnung gezogen wurde. Der Ausgang wird ein data.table sein, wenn Sie nicht mit ihm vertraut sind, Sie as.data.frame(rbindlist(....)) am Ende verwenden, kann es zu einem data.frame .: zurück zu drehen

library(data.table) 
simulate <- function(inv.period) { 
    start <- dataset[sample(nrow(dataset), 1, replace=TRUE),] 
    t <- start$Vintage:(start$Vintage + inv.period) 
    matches <- which(dataset$Vintage %in% t) 
    dataset[sample(matches, min(length(matches),5), replace = FALSE), ] 
} 

r <- replicate(1000, simulate(5), simplify=FALSE) 
rbindlist(r, idcol="draw")