Ответы:
Сначала сделайте некоторые данные:
> 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
Затем выберите несколько строк случайным образом:
> df[sample(nrow(df), 3), ]
X1 X2
9 -0.3983045 0.7157506
2 -1.1334614 -0.1973846
10 -0.9060305 2.3234110
set.seed(42)
) каждый раз, когда вы хотите воспроизвести этот конкретный образец.
sample.int
было бы немного быстрее, я верю:library(microbenchmark);microbenchmark( sample( 10000, 100 ), sample.int( 10000, 100 ), times = 10000 )
Джон Колби дает правильный ответ. Однако, если вы являетесь dplyr
пользователем, есть ответ sample_n
:
sample_n(df, 10)
случайным образом выбирает 10 строк из кадра данных. Он вызывает sample.int
, так что на самом деле это тот же ответ с меньшим набором текста (и упрощает использование в контексте magrittr, так как датафрейм является первым аргументом).
data.table
Пакет предоставляет функцию DT[sample(.N, M)]
, выборки М случайных строк из таблицы данных 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
Просто ради полноты:
dplyr также предлагает нарисовать пропорцию или долю
df %>% sample_frac(0.33)
Это очень удобно, например, в машинном обучении, когда нужно выполнить определенный коэффициент разделения, например, 80%: 20%.
РЕДАКТИРОВАТЬ : Этот ответ устарел, см. Обновленную версию .
В моем пакете R я улучшил его sample
так, что теперь он ведет себя, как и ожидалось, также для фреймов данных:
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
Это достигается созданием sample
универсального метода S3 и предоставлением необходимой (тривиальной) функциональности в функции. Призыв setMethod
исправить все. Оригинальная реализация все еще может быть доступна через base::sample
.
sample.default(df, ...)
фрейм данных df
, он выбирает из столбцов фрейма данных, так как фрейм данных реализован в виде списка векторов одинаковой длины.
install_github('kimisc', 'krlmlr')
и получил Error: Does not appear to be an R package (no DESCRIPTION)
. Любой способ обойти это?
[
Оператор кадров данных контрпример. Также, пожалуйста, скажите мне: Вы когда-нибудь, только один раз, использовали sample
для выборки столбцов из фрейма данных?
iris[2]
работает как список, как и iris[[2]]
. Или iris$Species
, lapply(iris, mean)
... Кадры данных являются списками. Поэтому я ожидаю, что они будут вести себя как они. И да, я действительно использовал образец (myDataframe). В наборе данных, где каждая переменная содержит данные экспрессии одного гена. Ваш конкретный метод помогает начинающим пользователям, но также эффективно меняет sample()
поведение. Обратите внимание, я использую «как ожидалось» с точки зрения программиста. Что отличается от общей интуиции. В R много чего не совместимо с общей интуицией ...;)
Устаревший ответ. Пожалуйста, используйте
dplyr::sample_frac()
илиdplyr::sample_n()
вместо.
В моем пакете R есть функция как sample.rows
раз для этой цели:
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
Согласно комментариям Йориса Мейс к предыдущему ответу, усовершенствование , сделав его универсальной функцией S3, было плохой идеей .
Выберите случайную выборку из типа tibble в R:
library("tibble")
a <- your_tibble[sample(1:nrow(your_tibble), 150),]
Nrow берет tibble и возвращает количество строк. Первый передаваемый параметр sample
- это диапазон от 1 до конца вашего шага. Второй параметр, переданный в выборку, 150, это сколько случайных выборок вы хотите. Нарезка квадратной скобкой указывает строки возвращаемых индексов. Переменная 'a' получает значение случайной выборки.
Вы могли бы сделать это:
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
Выше я только что создал фрейм данных с 10 столбцами и 100 строками, хорошо?
Теперь вы можете попробовать это 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
Я новичок в R, но я использовал этот простой метод, который работает для меня:
sample_of_diamonds <- diamonds[sample(nrow(diamonds),100),]
PS: не стесняйтесь заметить, если у него есть какой-то недостаток, о котором я не думаю.
?sample
в консоли R, чтобы прочитать об этой функции.