Câu trả lời:
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 2.3234110Sau 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 2.3234110set.seed(42)) mỗi lần bạn muốn sao chép mẫu cụ thể đó.
sample.intTôi sẽ tin nhanh hơn một chút:library(microbenchmark);microbenchmark( sample( 10000, 100 ), sample.int( 10000, 100 ), times = 10000 )
Câu trả lời John Colby đưa ra là câu trả lời đúng. Tuy nhiên nếu bạn là mộtdplyr người dùng 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 ít gõ hơn (và đơn giản hóa việc sử dụng trong ngữ cảnh của magrittr vì dataframe là đối số đầu tiên).
sample_nchỉ hoạt động trêntbl of data
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.
Các data.tablegói cung cấp các chức năng 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 2EDIT : Câu trả lời này hiện đã lỗi thời, hãy xem phiên bản cập nhật .
Trong gói R của tôi, tôi đã cải tiến sampleđể 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 6Điều này đạt được bằng cách tạo samplemột phương thức chung S3 và cung cấp chức năng cần thiết (tầm thường) trong một chức năng. Một cuộc gọi để setMethodsửa chữa mọi thứ. Việc thực hiện ban đầu vẫn có thể được truy cập thông qua base::sample.
sample.default(df, ...)cho khung dữ liệu df, nó lấy mẫu từ các cột của khung dữ liệu, vì khung dữ liệu được triển khai dưới dạng danh sách các vectơ có cùng độ dài.
install_github('kimisc', 'krlmlr')và có Error: Does not appear to be an R package (no DESCRIPTION). Có cách nào khác không?
[nhà điều hành cho khung dữ liệu là một phản ví dụ. Ngoài ra, vui lòng cho tôi biết: Bạn đã bao giờ, chỉ một lần duy nhất, được sử dụng sampleđể lấy mẫu các cột từ khung dữ liệu chưa?
iris[2]hoạt động giống như một danh sách iris[[2]]. Hoặc iris$Species, lapply(iris, mean)... Khung dữ liệu là danh sách. Vì vậy, tôi mong họ cư xử như họ. Và vâng, tôi đã thực sự sử dụng mẫu (myDataframe). Trên một tập dữ liệu trong đó mỗi biến chứa dữ liệu biểu hiện của một gen. Phương pháp cụ thể của bạn giúp người dùng mới làm quen, nhưng cũng thay đổi hiệu quả cách sample()cư xử. Lưu ý tôi sử dụng "như mong đợi" từ quan điểm của lập trình viên. Mà khác với trực giác chung. Có rất nhiều thứ trong R không tương thích với trực giác chung ...;)
Câu trả lời lỗi thời. Vui lòng sử dụng
dplyr::sample_frac()hoặcdplyr::sample_n()thay thế.
Trong gói R của tôi có một chức năng sample.rowschỉ 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 6Tăng cường samplebằng cách biến nó thành một chức năng S3 chung là một ý tưởng tồi, theo nhận xét của Joris Meys cho câu trả lời trước đó .
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 đến samplelà một phạm vi từ 1 đến hết phần mềm 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.
Bạn có thể làm điều này:
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 rowsỞ trên tôi chỉ tạo một khung dữ liệu với 10 cột và 100 hàng, ok?
Bây giờ bạn có thể lấy mẫu với 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 rowsTôi 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.
?samplevào bảng điều khiển R để đọc về chức năng đó.