【发布时间】：2012-05-01 17:31:02
【问题描述】：
如果我在 R 中有一个大型数据集，我如何在考虑原始数据分布的情况下随机抽取数据样本，特别是如果数据是倾斜的并且只有 1% 属于次要类并且我想对数据进行有偏差的抽样？
【问题讨论】：
-
导入数据，找到“级别”的权重，然后让
sample处理剩下的事情。如果您可以缩小您的问题范围（至少有样本数据 - stackoverflow.com/questions/5963269/…），这将有所帮助。
【发布时间】：2012-05-01 17:31:02
【问题描述】：
sample(x, n, replace = FALSE, prob = NULL) 函数从大小为 n 的向量 x 中获取样本。该样本可以有或无替换，并且选择每个元素到样本的概率可以是每个元素都相同，或者一个向量由用户通知。
如果你想对每个元素的相同概率进行 50 个案例的抽样，你所要做的就是
n <- 50
smpl <- df[sample(nrow(df), 50),]
但是，如果你想为元素给出不同的被选中概率，比如 sex 为 M 的元素的概率为 0.25，而那些sex为F的人概率0.75，你应该这样做
n <- 50
prb <- ifelse(sex=="M",0.25,0.75)
smpl <- df[sample(nrow(df), 50, prob = prb),]
【讨论】：
-
除非我在这里遗漏了一些明显的东西，否则我会从尝试运行最后一个示例中得到
Error in ifelse(sex == "M", 0.25, 0.75) : object 'sex' not found。 -
不过，我只是让它在
sample函数中与prob=ifelse(df$sex == "M", 0.25, 0.75)一起工作。