ตัวอย่างสุ่มแถวใน dataframe

ฉันกำลังพยายามหาฟังก์ชั่นที่เหมาะสมซึ่งจะคืนค่าจำนวนแถวที่ระบุแบบสุ่มโดยไม่ต้องเปลี่ยนจาก data frame ในภาษา R หรือไม่? ใครช่วยฉันออกได้บ้าง

ก่อนอื่นให้สร้างข้อมูล:

> 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

จากนั้นเลือกแถวที่สุ่ม:

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

คำตอบที่ John Colby ให้นั้นเป็นคำตอบที่ถูกต้อง อย่างไรก็ตามหากคุณเป็นdplyrผู้ใช้งานก็มีคำตอบเช่นsample_nกัน:

sample_n(df, 10)

สุ่มตัวอย่าง 10 แถวจากดาต้าเฟรม มันเรียกsample.intดังนั้นเป็นคำตอบเดียวกันกับการพิมพ์น้อย (และทำให้การใช้งานง่ายขึ้นในบริบทของ magrittr เนื่องจาก dataframe เป็นอาร์กิวเมนต์แรก)

เขียนหนึ่ง! การห่อคำตอบของ JC ให้ฉัน:

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

ตอนนี้ทำให้ดีขึ้นโดยการตรวจสอบก่อนถ้า n <= nrow (df) และหยุดด้วยข้อผิดพลาด

data.tableแพคเกจให้ฟังก์ชั่นDT[sample(.N, M)]การสุ่มตัวอย่าง M DTแถวสุ่มจากตารางข้อมูล

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

เพียงเพื่อความสมบูรณ์:

dplyr ยังเสนอให้วาดสัดส่วนหรือส่วนของตัวอย่างด้วย

df %>% sample_frac(0.33)

สิ่งนี้สะดวกมากเช่นในการเรียนรู้ของเครื่องเมื่อคุณต้องทำอัตราส่วนการแยกเช่น 80%: 20%

แก้ไข : คำตอบนี้ล้าสมัยในขณะนี้ดูรุ่นที่ปรับปรุง

ในแพ็คเกจ Rฉันได้ปรับปรุงsampleเพื่อให้มันทำงานตามที่คาดไว้สำหรับ data frames:

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

นี่คือความสำเร็จโดยการทำsampleวิธีการทั่วไป S3 และให้การทำงานที่จำเป็น (เล็กน้อย) ในฟังก์ชั่น การโทรเพื่อsetMethodแก้ไขทุกอย่าง base::sampleการดำเนินการเดิมยังคงสามารถเข้าถึงได้ผ่าน

คำตอบที่ล้าสมัย กรุณาใช้dplyr::sample_frac()หรือdplyr::sample_n()แทน

ในแพ็คเกจ R ของฉันมีฟังก์ชั่นsample.rowsสำหรับวัตถุประสงค์นี้เท่านั้น:

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

การเสริมsampleด้วยการทำให้ฟังก์ชั่น S3 ทั่วไปเป็นความคิดที่ไม่ดีตามความคิดเห็นโดย Joris MEYS กับคำตอบก่อนหน้า

เลือกตัวอย่างแบบสุ่มจากประเภท tibble ใน R:

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

nrow ใช้ tibble และส่งคืนจำนวนแถว พารามิเตอร์แรกที่ส่งผ่านไปsampleเป็นช่วงจาก 1 ถึงจุดสิ้นสุดของ tibble ของคุณ พารามิเตอร์ที่สองที่ส่งผ่านไปยังตัวอย่างคือจำนวน 150 ตัวอย่างที่คุณต้องการสุ่มตัวอย่าง การแบ่งฉากแบบเหลี่ยมจะระบุแถวของดัชนีที่ส่งคืน ตัวแปร 'a' รับค่าของการสุ่มตัวอย่าง

คุณสามารถทำได้:

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

ด้านบนฉันเพิ่งสร้างชื่อไฟล์ที่มี 10 คอลัมน์และ 100 แถวโอเคไหม

ตอนนี้คุณสามารถสุ่มตัวอย่างด้วยsample_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

ฉันใหม่ใน R แต่ฉันใช้วิธีง่าย ๆ ที่เหมาะกับฉัน:

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

PS: อย่าลังเลที่จะทราบว่ามันมีข้อเสียเปรียบบางอย่างที่ฉันไม่ได้คิด

คุณสามารถทำได้:

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