※ 引述《ardodo (米蟲)》之銘言：
: 版上先進大家好，我有個問題想請教大家
: 現在我手上有筆某大專院校22個系所的學生資料(共1萬筆)
: 我想要在每個系所各取樣30名學生資料出來分析，請問該怎麼做？
: 我想到的方法是：每個系所subset一次、隨機抽30名出來存成一個物件，重覆22次
: 最後將上面22個物件rbind即可
: 但是這樣的做法很費時也沒有效率，想請問有沒有比較快的方法？
我生成一個簡單的case示範
直接利用split這個功能做切割，再做合併，會很快
而pipe operator (magrittr:::%>%)就是為了避免儲存太多暫存物件而設計
library(data.table)
library(dplyr)
library(magrittr)
nDepat = 22
nVar = 10
dat = replicate(nVar, rnorm(10000*nDepat)) %>% data.frame() %>%
mutate(department = rep(LETTERS[1:nDepat],,,10000)) %>% tbl_df()
nSubset = 30
dat2 = dat %>% split(.$department) %>% lapply(function(x){
x[sample(1:nrow(x), nSubset),]}) %>% do.call(rbind, .)
# %>% do.call(rbind, .) 跟 %>% rbindlist(.) 是一樣的
# Another way by plyr
library(plyr)
dat3 = dat %>% plyr:::splitter_d(.(department)) %>% ldply(
function(x) x[sample(1:nrow(x), nSubset),])
# third way to do
dat4= dat %>% ddply(.(department), function(d) d[sample(1:nrow(d), nSubset),])
放上測試，我個人會比較喜歡第三種，簡潔的程式。
library(rbenchmark)
benchmark(
method1 = dat %>% split(.$department) %>%
lapply(function(x) x[sample(1:nrow(x), nSubset),]) %>% do.call(rbind, .),
method2 = dat %>% plyr:::splitter_d(.(department)) %>% ldply(
function(x) x[sample(1:nrow(x), nSubset),])
method3 = dat %>% ddply(.(department), function(d){
d[sample(1:nrow(d), nSubset),]}),
replications = 30L,
columns = c("test", "replications", "user.self", "sys.self",
"elapsed", "relative"), order = "relative")
# test replications user.self sys.self elapsed relative
# 2 method2 30 2.64 0.03 2.93 1.000
# 3 method3 30 2.84 0.02 2.96 1.010
# 1 method1 30 2.90 0.17 3.12 1.065
至於用dplyr，我後來想到group_by做會比較麻煩，
要先新增變數，然後再用filter，不建議