在数据框中对随机行进行采样

我正在努力找到适当的函数,它会返回一个随机拾取的指定行数而不用R语言中的数据框替换？谁能帮我吗？

1> John Colby..：

---

首先制作一些数据:

> df = data.frame(matrix(rnorm(20), nrow=10))
> df
           X1         X2
1   0.7091409 -1.4061361
2  -1.1334614 -0.1973846
3   2.3343391 -0.4385071
4  -0.9040278 -0.6593677
5   0.4180331 -1.2592415
6   0.7572246 -0.5463655
7  -0.8996483  0.4231117
8  -1.0356774 -0.1640883
9  -0.3983045  0.7157506
10 -0.9060305  2.3234110

然后随机选择一些行:

> df[sample(nrow(df), 3), ]
           X1         X2
9  -0.3983045  0.7157506
2  -1.1334614 -0.1973846
10 -0.9060305  2.3234110

---

有人可以解释为什么样品(df,3)不起作用？你为什么需要df [sample(nrow(df),3),]？

---

每次想要重现特定样本时,请记住设置种子(例如`set.seed(42)`).

---

@nikhil参见[here](http://cran.r-project.org/manuals.html)和[here](http://cran.r-project.org/faqs.html)作为初学者.您还可以在R控制台中键入`？sample`来阅读该函数.

---

@ stackoverflowuser2010,你可以输入？sample并看到样本函数中的第一个参数必须是向量或正整数.在这种情况下,我认为data.frame不能作为向量.

---

我相信`sample.int`会稍快一点:`library(microbenchmark); microbenchmark(样本(10000,100),sample.int(10000,100),times = 10000)

2> kasterma..：

---

John Colby给出的答案是正确的答案.但是,如果您是dplyr用户,也有答案sample_n:

sample_n(df, 10)

从数据帧中随机抽样10行.它调用sample.int,所以真正是相同的答案,减少键入(并简化在magrittr的上下文中的使用,因为数据帧是第一个参数).

3> Spacedman..：

---

写一个!包装JC的答案给了我:

randomRows = function(df,n){
   return(df[sample(nrow(df),n),])
}

现在通过首先检查n <= nrow(df)并停止错误来使其更好.

4> gented..：

---

该data.table包提供了该功能DT[sample(.N, M)],从数据表中采样M个随机行DT.

library(data.table)
set.seed(10)

mtcars <- data.table(mtcars)
mtcars[sample(.N, 6)]

    mpg cyl  disp  hp drat    wt  qsec vs am gear carb
1: 14.7   8 440.0 230 3.23 5.345 17.42  0  0    3    4
2: 19.2   6 167.6 123 3.92 3.440 18.30  1  0    4    4
3: 17.3   8 275.8 180 3.07 3.730 17.60  0  0    3    3
4: 21.5   4 120.1  97 3.70 2.465 20.01  1  0    3    1
5: 22.8   4 108.0  93 3.85 2.320 18.61  1  1    4    1
6: 15.5   8 318.0 150 2.76 3.520 16.87  0  0    3    2

5> krlmlr..：

---

编辑:这个答案现在已经过时,请参阅更新版本.

在我的R包中,我已经增强了,sample所以它现在也表现为数据帧的预期:

library(devtools); install_github('kimisc', 'krlmlr')

library(kimisc)
example(sample.data.frame)

smpl..> set.seed(42)

smpl..> sample(data.frame(a=c(1,2,3), b=c(4,5,6),
                           row.names=c('a', 'b', 'c')), 10, replace=TRUE)
    a b
c   3 6
c.1 3 6
a   1 4
c.2 3 6
b   2 5
b.1 2 5
c.3 3 6
a.1 1 4
b.2 2 5
c.4 3 6

这实现了通过使sample一种S3通用方法,并提供在功能必要的(简单)的功能.一个setMethod修复一切的电话.原始实现仍然可以通过访问base::sample.

---

@adifferentben:当我为数据帧`df`调用`sample.default(df,...)`时,它从数据帧的*columns*中采样,因为数据帧被实现为向量列表相同的长度.

6> Agile Bean..：

---

出于完整性考虑：

dplyr还提供通过以下方式抽取一部分或一部分样品的方法：

df %>% sample_frac(0.33)

这非常方便，例如在机器学习中，当您必须执行一定的拆分比例（例如80％：20％）时

7> krlmlr..：

---

过时的答案。请使用dplyr::sample_frac()或dplyr::sample_n()代替。

在我的R包中，有一个函数sample.rows专门用于此目的：

install.packages('kimisc')

library(kimisc)
example(sample.rows)

smpl..> set.seed(42)

smpl..> sample.rows(data.frame(a=c(1,2,3), b=c(4,5,6),
                               row.names=c('a', 'b', 'c')), 10, replace=TRUE)
    a b
c   3 6
c.1 3 6
a   1 4
c.2 3 6
b   2 5
b.1 2 5
c.3 3 6
a.1 1 4
b.2 2 5
c.4 3 6

sample根据Joris Meys对先前答案的评论，通过使其具有通用的S3功能来增强并不是一个好主意。

8> Eric Leschin..：

---

从R中的小标题类型中选择一个随机样本：

library("tibble")    
a <- your_tibble[sample(1:nrow(your_tibble), 150),]

nrow进行小标题并返回行数。传递给的第一个参数sample的范围是1到小标题的结尾。传递给样本的第二个参数150是所需的随机抽样数。方括号切片指定返回索引的行。变量“ a”获得随机采样的值。