在数据框中对随机行进行采样

Question

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？

Answer 1

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

Answer 2

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).

Answer 3

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.

Answer 4

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

Answer 5

正如 @matt_b 所指出的，sample_n()&sample_frac()已被软弃用，取而代之的是slice_sample(). 请参阅dplyr 文档。

文档字符串示例：

# slice_sample() allows you to random select with or without replacement
mtcars %>% slice_sample(n = 5)
mtcars %>% slice_sample(n = 5, replace = TRUE)

Answer 6

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.

Answer 7

你可以这样做：

library(dplyr)

cols <- paste0("a", 1:10)
tab <- matrix(1:1000, nrow = 100) %>% as.tibble() %>% set_names(cols)
tab
# A tibble: 100 x 10
      a1    a2    a3    a4    a5    a6    a7    a8    a9   a10
   <int> <int> <int> <int> <int> <int> <int> <int> <int> <int>
 1     1   101   201   301   401   501   601   701   801   901
 2     2   102   202   302   402   502   602   702   802   902
 3     3   103   203   303   403   503   603   703   803   903
 4     4   104   204   304   404   504   604   704   804   904
 5     5   105   205   305   405   505   605   705   805   905
 6     6   106   206   306   406   506   606   706   806   906
 7     7   107   207   307   407   507   607   707   807   907
 8     8   108   208   308   408   508   608   708   808   908
 9     9   109   209   309   409   509   609   709   809   909
10    10   110   210   310   410   510   610   710   810   910
# ... with 90 more rows

上面我刚刚制作了一个 10 列 100 行的数据框，好吗？

现在您可以使用sample_n以下命令对其进行采样：

sample_n(tab, size = 800, replace = T)
# A tibble: 800 x 10
      a1    a2    a3    a4    a5    a6    a7    a8    a9   a10
   <int> <int> <int> <int> <int> <int> <int> <int> <int> <int>
 1    53   153   253   353   453   553   653   753   853   953
 2    14   114   214   314   414   514   614   714   814   914
 3    10   110   210   310   410   510   610   710   810   910
 4    70   170   270   370   470   570   670   770   870   970
 5    36   136   236   336   436   536   636   736   836   936
 6    77   177   277   377   477   577   677   777   877   977
 7    13   113   213   313   413   513   613   713   813   913
 8    58   158   258   358   458   558   658   758   858   958
 9    29   129   229   329   429   529   629   729   829   929
10     3   103   203   303   403   503   603   703   803   903
# ... with 790 more rows

Answer 8

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

Answer 9

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。

Answer 10

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。

Answer 11

2021 年在 tidyverse 中执行此操作的方法是：

library(tidyverse)

df = data.frame(
  A = letters[1:10],
  B = 1:10
)

df
#>    A  B
#> 1  a  1
#> 2  b  2
#> 3  c  3
#> 4  d  4
#> 5  e  5
#> 6  f  6
#> 7  g  7
#> 8  h  8
#> 9  i  9
#> 10 j 10

df %>% sample_n(5)
#>   A  B
#> 1 e  5
#> 2 g  7
#> 3 h  8
#> 4 b  2
#> 5 j 10

df %>% sample_frac(0.5)
#>   A  B
#> 1 i  9
#> 2 g  7
#> 3 j 10
#> 4 c  3
#> 5 b  2

^{由reprex 包于 2021 年 10 月 5 日创建(v2.0.0.9000)}