※ 引述《ardodo (米虫)》之铭言：
: 版上先进大家好，我有个问题想请教大家
: 现在我手上有笔某大专院校22个系所的学生资料(共1万笔)
: 我想要在每个系所各取样30名学生资料出来分析，请问该怎么做？
: 我想到的方法是：每个系所subset一次、随机抽30名出来存成一个物件，重复22次
: 最后将上面22个物件rbind即可
: 但是这样的做法很费时也没有效率，想请问有没有比较快的方法？
我生成一个简单的case示范
直接利用split这个功能做切割，再做合并，会很快
而pipe operator (magrittr:::%>%)就是为了避免储存太多暂存物件而设计
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(.$department) %>% lapply(function(x){
x[sample(1:nrow(x), nSubset),]}) %>% do.call(rbind, .)
# %>% do.call(rbind, .) 跟 %>% rbindlist(.) 是一样的
# Another way by plyr
library(plyr)
dat3 = dat %>% plyr:::splitter_d(.(department)) %>% ldply(
function(x) x[sample(1:nrow(x), nSubset),])
# third way to do
dat4= dat %>% ddply(.(department), function(d) d[sample(1:nrow(d), nSubset),])
放上测试，我个人会比较喜欢第三种，简洁的程式。
library(rbenchmark)
benchmark(
method1 = dat %>% split(.$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
至于用dplyr，我后来想到group_by做会比较麻烦，
要先新增变量，然后再用filter，不建议