我想在因子级别内选择数据帧的随机样本。我可以使用 ddply 获取因子水平内的样本:
library(dplyr)
newdf <- ddply(iris, ~Species, function(x){
ndf <- x[sample(nrow(x),2), ]
})
with(newdf,table(Species))
但是,我不想简单地从每个因子水平中抽取 2 个观察值。相反,我想从物种的 3 个级别内采样,例如 2,3 和 4 个观察值(即 2 个来自 setosa,3 个来自 versicolor,4 个来自 virginica)。我怎样才能做到这一点?
我可以创建一个值向量,例如c(2,3,4) 循环通过由 ddply 分割的每个数据帧?
需要指定该向量中的值 - 它们不是所有数据的一致比例,也不是一致的数字。
最佳答案
我们按“物种”分割
数据集,使用Map
对观测数量进行采样
,并rbind
list
输出。
do.call(rbind, Map(function(x,y) x[sample(y),], split(iris, iris$Species), 2:4))
关于r - 在因子水平内选择随机样本,每个因子水平的层大小不相等,我们在Stack Overflow上找到一个类似的问题: https://stackoverflow.com/questions/40715863/