R采样的力量：探索多功能的sample函数
{ 点击蓝字，关注我们 }
介绍
实验设计和抽样调查是生物信息科学的基本技术，可以使我们得出更有意义的见解。其中抽样调查通过构建代表性子集，我们可以对更大的群体做出统计推断。在基因表达研究中，往往会面对大规模的基因表达数据。为了避免对所有基因进行全面测量和分析，可以通过抽样的方式选取一小部分基因样本，代表整体的基因表达特征。在蛋白质组学研究中，抽样方法也经常用于质谱数据的处理和分析。通过对蛋白质样本进行抽样，可以减少大量数据的处理负担，并提高数据分析效率。
首先，小师妹带大家看一下语法：
sample(x, size, replace = FALSE, prob = NULL)其中：
-
x是我们的样本数据集，也就是需要从中抽取的数据集
-
size是规定的抽取的样本中包含的元素个数
-
replace是一个逻辑值，指示是否为无放回抽样（默认为FALSE）
-
prob是可用于对样本进行加权的概率向量（默认为 NULL）
例子
示例 1：简单随机采样
简单随机抽样真是太常见了，让小师妹来帮你解释一下！😊
嗯嗯，想象一下，我们有一个超级酷的数据集，里面有80个人的年龄数据，每个人的年龄都不一样，从1岁到80岁，统统都有。
现在，我们想要创建一个小样本，只要10个人的年龄数据，而且希望每个人的机会都一样，被选中的概率都一样。嘿嘿，就像每个人都在抢糖果一样，大家都有平等的机会得到糖果！
好消息是，可以用一个特殊的函数来实现这个神奇的抽样！它就叫做sample()函数。我们只要告诉它，从总共80个人中，要抽取10个人，它就会自动帮我们随机选出这10个人的年龄数据，还保证每个人的选中概率都是相等的。
这样，我们就得到了一个小小的样本，里面有10个人的年龄数据，它们就好像是总体的代表，告诉我们总体年龄的一些特征：
#创建年龄为1到80的80个人总体ages <- 1:80#随机数种子，保证每次抽样结果相同set.seed(123)#采用sample函数进行简单随机抽样rsample <- sample(ages, size = 10)rsample[1] 31 79 51 14 67 42 50 43 77 25sample()函数从向量中随机选择10个值ages，不进行放回，从而产生一个新向量rsample。该技术代表简单随机抽样，其中群体中的每个个体都有平等的机会被纳入样本，是不是例如其名，很简单呢。
示例 2：放回抽样
有放回抽样就像是我们在玩一个有趣的小游戏。我们有一个袋子，里面装满了彩色球，有红色、蓝色、绿色等等。现在我们想要模拟抽取10个球，然后把抽出来的球放回去，再继续抽10个，反复进行好几次。
为了实现这个目标，我们会用一个小纸条来记录每次抽取的球的颜色，并把它放回袋子里。然后再次摇动袋子，再次抽出10个球。这样，每个球都有可能被多次选中，就像它在袋子里玩“闹腾”一样。😄🎉
有放回抽样适用于那些我们允许样本可以重复出现的情况。通过多次抽样，我们可以更好地了解总体的特点：
#创建一个颜色总体，共有四种颜色对象colors <- c("red", "blue", "green", "yellow")set.seed(123)#有放回抽样sample_with_replace <- sample(colors, size = 10, replace = TRUE)sample_with_replace[1] "green" "green" "green" "blue" "green" "blue" "blue" "blue" "green" "red"
sample()函数带有replace = TRUE参数，使我们能够从colors向量中随机选择10种颜色，并允许重复。这种方法代表放回抽样，其中每个选择都独立于之前的选择。
示例 3：加权采样
嘿嘿，小师妹听说你想知道加权采样，这可是抽样领域里的大咖！它是一种神奇的抽样方法，有点像我们在做任务的时候，对优秀同学给予额外的赞扬，或者对捣蛋鬼多一点额外的监督。说白了，就是给不同的样本设置不同的权重，有些样本更有份量，就给它们“加分”。
你也许会问，加权采样有什么用呢？哼哼，它可厉害了！在我们处理一些特殊情况的数据时，比如某些样本的重要性不一样，或者数据分布不均匀，加权采样就上场了！它能够让我们更专注于那些真正重要的样本，让它们在我们的实验中占据更大的“话语权”。
假设我们有一个项目列表和相应的权重，表示它们被选择的概率。我们可以使用带参数的sample()函数prob来实现加权采样。考虑以下示例：
library(dplyr)set.seed(123)items <- c("apple", "banana", "orange")weights <- c(0.4, 0.2, 0.4)weighted_sample <- sample(items, size = 1, prob = weights)weighted_sample[1] "apple"tibble(x = 1:10) |>group_by(x) |>mutate(rs = sample(items, size = 1, prob = weights)) |>ungroup()# A tibble: 10 x 2x rs1 1 orange2 2 orange3 3 banana4 4 banana5 5 apple6 6 orange7 7 banana8 8 orange9 9 orange10 10 banana
小可爱果然了解sample()函数的强大之处！没错，通过指定prob参数，我们可以实现带权重的随机抽样，让“苹果”和“橙子”有更高的概率被选中，而“香蕉”则稍微低一些。
咱们假设有一个水果篮子，里面有三种水果：“苹果”、“橙子”和“香蕉”。现在，我们希望从篮子中随机抽一个水果，但是要让“苹果”和“橙子”有40%的概率被选中，而“香蕉”只有20%的概率。
示例 4：分层抽样
分层抽样是一个很聪明的方法，，我们可以使用sample()函数的附加参数来实现分层抽样，确保每个学科的学生比例在样本中得到保持。小师妹带大家看看下面的示例：
假设有一个学生成绩的数据集，其中包含数学、英语和历史三个学科的成绩。我们想要从这个数据集中抽取一个样本，让样本中的学生比例与总体中的学生比例保持一致。
我们可以先将数据集按照学科进行分组，然后分别计算每个学科在总体中的学生比例。接着，我们使用sample()函数来从每个学科的子组中进行抽样，并设置附加参数weights，以保持每个学科的比例。具体代码如下：
#分层抽样# 设置随机数种子，以保证结果的可重复性set.seed(123)# 创建一个包含学科名称的向量subjects <- c("Math", "Science", "English", "History")# 创建包含学生成绩的向量grades <- c(80, 90, 85, 70, 75, 95, 60, 92, 88, 83, 78, 91)# 将学科向量转换为因子，用于后面的分层抽样strata <- factor(subjects)# 使用分层抽样从每个学科中抽取两个成绩# by()函数将成绩按照学科进行分组，rep(strata, 3)用于指定每个学科的重复次数为3# FUN参数指定抽样函数，这里使用sample函数随机抽取两个成绩stratified_sample <- unlist(by(grades,rep(strata, 3),FUN = function(x) sample(x, size = 2)))# 输出分层抽样的结果stratified_sampleEnglish1 English2 History1 History2 Math1 Math2 Science1 Science278 85 91 92 88 75 95 83
在这个示例中，我们使用by()函数按科目( )对成绩进行分组。然后，我们使用FUN参数将sample()函数应用于每个子组。结果是每个科目的两个成绩的分层样本，保持最终样本中学生的相对比例。
结论
R中的sample()函数确实是一个非常强大的工具，它能够帮助我们实现各种不同的随机抽样技术，从而更好地理解数据、做出决策和获得见解。
无论需要进行简单随机抽样、放回抽样、加权抽样，甚至是分层抽样，sample()函数都可以轻松胜任。通过熟悉不同的参数设置，我们可以根据实际情况选择合适的采样技术，从而从数据中获取有价值的信息。所以，让我们继续探索sample()函数的各种功能吧！无论您是在进行生信分析、机器学习还是其他数据处理任务，都可以借助这个神奇的函数释放数据的潜力，做出明智的决策。
小伙伴们，今天有没有学到新知识呢，想要继续了解R语言内容可以持续关注小师妹哦～～或者也可以关注我们的官网也会持续更新的哦～ http://www.biocloudservice.com/home.html那么大家一起加油，继续探索采样的奇妙世界吧！🎉📊📚
END
