it-swarm.asia

Các hàng ngẫu nhiên mẫu trong khung dữ liệu

Tôi đang vật lộn để tìm chức năng thích hợp sẽ trả về một số lượng hàng cụ thể được chọn ngẫu nhiên mà không thay thế từ khung dữ liệu bằng ngôn ngữ R? Bất cứ ai có thể giúp tôi ra?

263
nikhil

Đầu tiên tạo một số dữ liệu:

> 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

Sau đó chọn một số hàng ngẫu nhiên:

> df[sample(nrow(df), 3), ]
           X1         X2
9  -0.3983045  0.7157506
2  -1.1334614 -0.1973846
10 -0.9060305  2.3234110
375
John Colby

Câu trả lời John Colby đưa ra là câu trả lời đúng. Tuy nhiên, nếu bạn là người dùng dplyr thì cũng có câu trả lời sample_n:

sample_n(df, 10)

lấy mẫu ngẫu nhiên 10 hàng từ khung dữ liệu. Nó gọi sample.int, vì vậy thực sự là cùng một câu trả lời với việc gõ ít hơn (và đơn giản hóa việc sử dụng trong ngữ cảnh của magrittr vì dataframe là đối số đầu tiên).

149
kasterma

Viết một cái! Gói câu trả lời của JC cho tôi:

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

Bây giờ làm cho nó tốt hơn bằng cách kiểm tra trước nếu n <= nrow (df) và dừng lại với một lỗi.

30
Spacedman

Gói data.table cung cấp hàm DT[sample(.N, M)], lấy mẫu M hàng ngẫu nhiên từ bảng dữ liệu 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
25
gented

CHỈNH SỬA: Câu trả lời này hiện đã lỗi thời, xem phiên bản cập nhật .

Trong gói R của tôi Tôi đã nâng cao sample để giờ đây nó hoạt động như mong đợi đối với các khung dữ liệu:

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

Đây là đạt được bằng cách tạo sample một phương thức chung S3 và cung cấp chức năng (tầm thường) cần thiết trong một hàm. Một cuộc gọi đến setMethod sửa chữa mọi thứ. Việc triển khai ban đầu vẫn có thể được truy cập thông qua base::sample.

8
krlmlr

Trong gói R của tôi có một hàm sample.rows chỉ dành cho mục đích này:

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

Tăng cường sample bằng cách biến nó thành một hàm S3 chung là một ý tưởng tồi, theo nhận xét của Joris Meys cho một câu trả lời trước .

4
krlmlr

Chọn một mẫu Ngẫu nhiên từ một loại có thể hiểu được trong R:

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

nrow mất một tibble và trả về số lượng hàng. Tham số đầu tiên được truyền cho sample là một phạm vi từ 1 đến hết khả năng của bạn. Tham số thứ hai được truyền cho mẫu, 150, là bạn muốn có bao nhiêu lần lấy mẫu ngẫu nhiên. Việc cắt khung vuông chỉ định các hàng của các chỉ mục được trả về. Biến 'a' lấy giá trị của mẫu ngẫu nhiên.

4
Eric Leschinski

Tôi mới tham gia R, nhưng tôi đã sử dụng phương pháp dễ dàng này phù hợp với tôi:

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

Tái bút: Hãy lưu ý nếu nó có một số nhược điểm tôi không nghĩ tới.

0
Leopoldo Sanczyk

Chỉ vì lợi ích hoàn toàn:

dplyr cũng đề nghị vẽ một tỷ lệ hoặc một phần của mẫu bằng cách

df %>% sample_frac(0.33)

Điều này rất thuận tiện, ví dụ: trong học máy khi bạn phải thực hiện một tỷ lệ phân chia nhất định như 80%: 20%

0
Agile Bean

Bạn có thể làm điều này:

library(tidyverse)

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

Ở trên tôi chỉ tạo một khung dữ liệu với 10 cột và 1000 hàng, ok?

Bây giờ bạn có thể lấy mẫu bằng sample_n:

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
0
igorkf