在数据框架中随机取样行

我正在努力寻找合适的函数，将返回指定数量的行随机拾取，没有从R语言的数据帧替换?有人能帮帮我吗?

614158 次浏览
小开
最佳答案

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
小开

写一个!从JC的回答可以看出:

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

现在，通过首先检查n<=nrow(df)并在出现错误时停止，让它变得更好。

小开

编辑:这个答案现在已经过时了，参见更新版本。

在我的R包中，我增强了sample，使它现在对数据帧的行为也像预期的那样:

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

这是通过将sample作为S3泛型方法并在函数中提供必要的(琐碎的)功能来实现的实现。调用setMethod可以修复所有问题。原来的实现仍然可以通过base::sample访问。

小开

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

根据Joris Meys对以前的回答的评论，通过使它成为一个通用的S3函数来增强sample是一个坏主意。

小开

约翰·科尔比给出的答案是正确的。然而，如果你是一个dplyr用户，答案也是sample_n:

sample_n(df, 10)

从数据框架中随机抽取10行。它调用sample.int，所以实际上是相同的答案，但输入更少(并且简化了在magrittr上下文中的使用，因为dataframe是第一个参数)。

小开

data.table包提供了函数DT[sample(.N, M)]，从数据表DT中随机抽样M行。

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
小开

在R中从tibble类型中选择一个随机样本:

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

Nrow接受一个tibble并返回行数。传递给sample的第一个参数是一个从1到tibble末尾的范围。传递给sample的第二个参数是150，表示需要多少随机抽样。方括号切片指定返回索引的行。变量“a”获取随机抽样的值。

小开

我是R的新手，但我用的是这个简单的方法:

sample_of_diamonds <- diamonds[sample(nrow(diamonds),100),]

PS:如果它有一些我没有想到的缺点，请注意。

小开

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

上面我刚刚创建了一个10列100行的数据框架?

现在你可以用sample_n对它进行采样:

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
小开

为了完整起见:

Dplyr还提供绘制样本的比例或分数

df %>% sample_frac(0.33)

这是非常方便的，例如，在机器学习中，当你必须做一个特定的分割比例，如80%:20%

小开

你可以这样做:

sample_data = data[sample(nrow(data), sample_size, replace = FALSE), ]
小开

2021年在潮流宇宙中这样做的方式是:

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 (v2.0.0.9000)创建于2021-10-05

小开

正如@matt_b所示，sample_n() &sample_frac()已被软弃用，而改用slice_sample()。参见dplyr文档。

示例来自docstring:

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

提交答案