Mam problem ze znalezieniem odpowiedniej funkcji, która zwróciłaby określoną liczbę losowo pobranych wierszy bez zamiany z ramki danych w języku R? Czy ktoś może mi pomóc?
333
Najpierw zrób kilka danych:
> 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
Następnie wybierz losowo niektóre wiersze:
> df[sample(nrow(df), 3), ]
X1 X2
9 -0.3983045 0.7157506
2 -1.1334614 -0.1973846
10 -0.9060305 2.3234110
?sample
w konsoli R, aby przeczytać o tej funkcji.set.seed(42)
) Za każdym razem, gdy chcesz odtworzyć tę konkretną próbkę.sample.int
byłoby nieco szybsze Wierzę:library(microbenchmark);microbenchmark( sample( 10000, 100 ), sample.int( 10000, 100 ), times = 10000 )
Odpowiedź udzielona przez Johna Colby'ego jest właściwą odpowiedzią. Jeśli jednak jesteś
dplyr
użytkownikiem, istnieje również odpowiedźsample_n
:losowo pobiera próbki 10 wierszy z ramki danych. Wywołuje
sample.int
, więc tak naprawdę jest ta sama odpowiedź przy mniejszym pisaniu (i upraszcza użycie w kontekście magrittr, ponieważ ramka danych jest pierwszym argumentem).źródło
Napisz jeden! Podsumowanie odpowiedzi JC daje mi:
Teraz popraw to, sprawdzając najpierw, czy n <= nrow (df) i zatrzymując się z błędem.
źródło
data.table
Pakiet zawiera funkcjęDT[sample(.N, M)]
, M próbek losowych wiersze z tabeli danychDT
.źródło
Dla kompletności:
dplyr oferuje również pobranie części lub części próbki
Jest to bardzo wygodne np. W uczeniu maszynowym, gdy trzeba wykonać określony współczynnik podziału, taki jak 80%: 20%
źródło
EDYCJA : Ta odpowiedź jest teraz nieaktualna, zobacz zaktualizowaną wersję .
W moim pakiecie R poprawiłem
sample
, aby zachowywał się zgodnie z oczekiwaniami również dla ramek danych:Jest to osiągnięte poprzez
sample
metodę ogólną S3 i zapewnienie niezbędnej (trywialne) funkcji w funkcji. Wezwanie dosetMethod
naprawy wszystkiego. Dostęp do oryginalnej implementacji nadal można uzyskać poprzezbase::sample
.źródło
sample.default(df, ...)
ramkę danychdf
, pobiera próbki z kolumn ramki danych, ponieważ ramka danych jest implementowana jako lista wektorów o tej samej długości.install_github('kimisc', 'krlmlr')
i dostałemError: Does not appear to be an R package (no DESCRIPTION)
. Jakiś sposób na to?[
Operator ramek danych jest kontrprzykładem. Powiedz mi także: Czy kiedykolwiek używałeś kiedyś tylkosample
próbki kolumn z ramki danych?iris[2]
działa podobnie jak listairis[[2]]
. Alboiris$Species
,lapply(iris, mean)
... Ramki danych są listy. Spodziewam się, że będą się tak zachowywać. I tak, faktycznie użyłem sample (myDataframe). W zestawie danych, w którym każda zmienna zawiera dane dotyczące ekspresji pojedynczego genu. Twoja konkretna metoda pomaga początkującym użytkownikom, ale także skutecznie zmienia sposóbsample()
zachowania. Uwaga Używam „zgodnie z oczekiwaniami” z punktu widzenia programisty. Który różni się od ogólnej intuicji. W R jest wiele rzeczy, które nie są zgodne z ogólną intuicją ...;)W moim pakiecie R jest funkcja przeznaczona
sample.rows
tylko do tego celu:Ulepszenie
sample
poprzez uczynienie go ogólną funkcją S3 było złym pomysłem, zgodnie z komentarzami Jorisa Meysa do poprzedniej odpowiedzi .źródło
Wybierz losową próbkę z typu tabeli w R:
nrow bierze tabliczkę i zwraca liczbę wierszy. Pierwszy przekazany parametr
sample
to zakres od 1 do końca twojej tabliczki. Drugi parametr przekazany do próbki, 150, określa liczbę losowych próbkowania. Krojenie w nawiasach kwadratowych określa wiersze zwróconych indeksów. Zmienna „a” pobiera wartość losowego próbkowania.źródło
Możesz to zrobić:
Powyżej właśnie utworzyłem ramkę danych z 10 kolumnami i 100 wierszami, dobrze?
Teraz możesz spróbować z
sample_n
:źródło
Jestem nowy w R, ale używałem tej prostej metody, która działa dla mnie:
PS: Nie krępuj się zauważyć, że ma to jakąś wadę, o której nie myślę.
źródło
Możesz to zrobić:
źródło