0

问题

我正在尝试找到一种解决方案来克服在建立采样点方面存在缺陷的实验设计。目的是对原始数据集进行子集化,强制采样点基于具有多个级别的 2 个因素进行分层。

我需要一个可以让我重新定义标准级别集的问题的一般表述。

笔记

我找到了基于标准的子集表示例,最相关的是Brian Diggs的帖子,但我找不到将该解决方案应用于我的特定案例的通用方法。

数据集

我的 data.frame 有 3 列,样本 id 和两个因素(f1 和 f2)。标准基于 f1 和 f2 的值区间。

dat <- structure(list(id = 1:203, f1 = c(22, 20.8, 20.7, 22, 12.1, 8, 
20.6, 22, 22, 21.6, 0, 22, 21.4, 15.9, 21.2, 19.1, 12.5, 16.6, 
14, 21.2, 14.7, 20.7, 20.5, 5.4, 19.1, 18.9, 22, 22, 22, 0, 0, 
22, 1.3, 1, 0, 9.4, 7.9, 14.5, 0, 1.5, 0, 20.3, 18, 17.3, 1, 
22, 0, 15, 17.9, 4.3, 19.5, 21.2, 21.2, 14.6, 2.3, 0, 6.7, 17.9, 
9.5, 19, 21.6, 16.6, 11.7, 13.7, 1.5, 1, 7.6, 3.7, 18.5, 13.5, 
20.9, 18.2, 11.5, 7.3, 6.5, 21.1, 22, 20.5, 20.5, 20, 16.2, 18.6, 
22, 15.1, 14.4, 10.8, 17.1, 5.7, 15.1, 12.8, 14.5, 8.8, 16.8, 
18.7, 1, 6.3, 1.8, 14.6, 22, 16.2, 12.9, 9.1, 2, 7.6, 7, 11.7, 
1, 1, 9.6, 11, 2, 2, 14, 14.9, 7.8, 11.4, 8.3, 7.6, 9.1, 4.5, 
18, 11.4, 3.1, 4.3, 9.3, 8.1, 1.4, 5.2, 14.7, 3.6, 5, 2.7, 10.3, 
11.3, 17.9, 5.2, 1, 1.5, 13.2, 0, 1, 7.4, 1.7, 11.5, 20.2, 0, 
14.7, 17, 15.2, 22, 22, 22, 17.2, 15.3, 10.9, 18.7, 11.2, 18.5, 
20.3, 21, 20.8, 15, 21, 16.9, 18.5, 18.5, 10.3, 12.6, 15, 19.8, 
21, 17.2, 16.3, 18.3, 10.3, 17.8, 11.2, 1.5, 1, 0, 1, 14, 19.1, 
6.1, 19.2, 17.1, 14.5, 18.4, 22, 20.3, 6, 13, 18.3, 8.5, 15.3, 
10.6, 7.2, 6.2, 1, 7.9, 2, 20, 16.3), f2 = c(100, 100, 92.9, 
38.5, 100, 90.9, 100, 100, 100, 91.7, 0, 100, 71.4, 100, 100, 
53.8, 28.6, 91.7, 100, 100, 64.3, 100, 92.9, 78.6, 100, 100, 
27.3, 83.3, 14.3, 0, 0, 9.1, 23.1, 12.5, 0, 100, 81.8, 100, 0, 
15.4, 0, 83.3, 100, 75, 7.1, 81.8, 0, 21.4, 84.6, 25, 80, 90.9, 
100, 71.4, 50, 0, 46.2, 90.9, 14.3, 66.7, 90.9, 84.6, 46.2, 91.7, 
33.3, 7.7, 71.4, 27.3, 46.2, 100, 100, 100, 60, 54.5, 46.2, 53.8, 
91.7, 100, 100, 66.7, 45.5, 57.1, 15.4, 75, 75, 76.9, 53.8, 25, 
90.9, 84.6, 91.7, 90.9, 100, 54.5, 23.1, 63.6, 30.8, 90.9, 92.9, 
100, 92.3, 90.9, 12.5, 38.5, 15.4, 84.6, 27.3, 7.1, 75, 21.4, 
7.7, 15.4, 84.6, 100, 69.2, 63.6, 64.3, 53.8, 92.3, 33.3, 11.1, 
61.5, 66.7, 23.1, 85.7, 81.8, 41.7, 69.2, 76.9, 38.5, 9.1, 23.1, 
85.7, 90, 100, 100, 14.3, 36.4, 84.6, 0, 7.7, 61.5, 25, 50, 100, 
0, 63.6, 36.4, 76.9, 100, 100, 100, 100, 90.9, 100, 100, 100, 
100, 100, 83.3, 100, 100, 100, 100, 50, 54.5, 71.4, 100, 85.7, 
100, 75, 100, 76.9, 83.3, 100, 92.3, 33.3, 76.9, 33.3, 0, 40, 
91.7, 100, 53.8, 100, 100, 100, 100, 100, 92.3, 76.9, 23.1, 84.6, 
33.3, 100, 92.3, 46.2, 100, 9.1, 53.8, 7.7, 20, 42.9)), .Names = c("id", 
"f1", "f2"), class = "data.frame", row.names = c(NA, -203L))

预期输出

理想情况下,采样点应按照交叉设计进行分组(它不是完整的因子设计)。

对于因子 f1:0、1-15、30-60、80-95、100
对于因子 f2:0、5-10、15-20

我需要在给定 f1 和 f2 间隔的所有组合的情况下找到点,类似于这种方式:

gr <- expand.grid(f1=c('0', '1-15', '30-60', '80-95', '100'),
                  f2=c('0', '5-10', '15-20'))
> gr
      f1    f2
1      0     0
2   1-15     0
3  30-60     0
4  80-95     0
5    100     0
6      0  5-10
7   1-15  5-10
8  30-60  5-10
9  80-95  5-10
10   100  5-10
11     0 15-20
12  1-15 15-20
13 30-60 15-20
14 80-95 15-20
15   100 15-20

解决方案应dat根据gr.

这不是一个完整的因子设计,因为并非所有组合都将满足此特定标准组合,但识别 NA 也很重要。

任何帮助将不胜感激。如果我提供了足够的信息,请告诉我。

4

1 回答 1

2

使用,根据您的断点拆分cutf1分成f2s ,然后根据组合。factorpastefactorsplitfactor

dat$f1.group<-cut(dat$f1,c(0,1,15,30,60,80,90,95,100))
dat$f2.group<-cut(dat$f1,c(0,5,10,15,20))
gr<-expand.grid(levels(dat$f1.group),levels(dat$f2.group))
names(gr)<-c('f1.group','f2.group')
gr$combined = paste(gr$f1.group,gr$f2.group)
dat<-merge(gr,dat)[c('id','f1','f2','combined')]
split(dat,dat$combined)

这将为您提供list,data.frame中定义的每个组合一个元素gr。您可以通过这些层轻松地对其进行采样。

于 2013-04-11T17:46:28.170 回答