以概率对数据框中的随机行进行采样

Question

如何在给定概率的情况下随机抽取样本（有或没有替换）？

我正在尝试在 iris 数据框中提取随机行样本，但具有以下物种条件： 80% 杂色和 20% 维吉尼亚

> head(iris)
  Sepal.Length Sepal.Width Petal.Length Petal.Width Species
1          5.1         3.5          1.4         0.2  setosa
2          4.9         3.0          1.4         0.2  setosa
3          4.7         3.2          1.3         0.2  setosa
4          4.6         3.1          1.5         0.2  setosa
5          5.0         3.6          1.4         0.2  setosa
6          5.4         3.9          1.7         0.4  setosa 

Answer 1

你可以在 base R 中试试这个：

f.sample <- function(a, percent) a[sample(nrow(a), nrow(a)*percent, replace = TRUE),]

f.sample(iris[iris$Species=="versicolor",], 0.8)
f.sample(iris[iris$Species=="virginica",], 0.2)

您可以相应地设置replace 参数。

Answer 2

我的理解似乎与其他回答者不同。

无论原始数据集中的组大小如何，以下函数都应生成 80/20 数据集。

foo <- function(DF, n = 50, group_var, groups, probs, replace = FALSE) {

  # subset relevant groups & split
  DF <- DF[DF[[group_var]] %in% groups, ]
  DF <- split(DF, as.character(DF[[group_var]]))
  DF <- DF[match(names(DF), groups)]

  # sample number of observations per group (this requires replace= TRUE)
  smpl <- sample(groups, size = n, replace = TRUE, prob = probs)
  # subset random rows per group according to group size
  DF <- Map(function(x,y) x[sample(1:nrow(x), y, replace = replace),], DF, c(table(smpl)))

  # combine and clean up
  DF <- do.call(rbind, DF)
  DF <- DF[sample(nrow(DF)),]  # not really necessary  
  row.names(DF) <- NULL        # not really necessary  
  DF
}


foo(iris, 50, "Species", c("versicolor", "virginica"), c(0.8, 0.2))

Answer 3

我们可以利用dplyr（即将发布0.6.0）开发版中的quosures来创建函数

library(tidyverse)
f.sample <- function(dat, colN, value, perc){
       colN <- enquo(colN)
       value <- quo_name(enquo(value))
       dat %>%
            filter(UQ(colN) == UQ(value)) %>%
            sample_frac(perc) %>%
            droplevels
}

f.sample(iris, Species, versicolor, 0.8)
f.sample(iris, Species, virginica, 0.2)
#Sepal.Length Sepal.Width Petal.Length Petal.Width   Species
#20          6.0         2.2          5.0         1.5 virginica
#9           6.7         2.5          5.8         1.8 virginica
#15          5.8         2.8          5.1         2.4 virginica
#10          7.2         3.6          6.1         2.5 virginica
#12          6.4         2.7          5.3         1.9 virginica
#49          6.2         3.4          5.4         2.3 virginica
#22          5.6         2.8          4.9         2.0 virginica
#34          6.3         2.8          5.1         1.5 virginica
#2           5.8         2.7          5.1         1.9 virginica
#44          6.8         3.2          5.9         2.3 virginica

enquo 具有与substitute 类似的功能，方法是获取输入参数并将其转换为quosure，而quo_name 转换为字符串，并且在filter/group_by/summarise/mutate 内，通过取消引用来评估quosures (@987654330 @或UQ)

---

基于下面的 cmets，我们修改了函数，使其适用于其他情况

f.sample2 <- function(dat, colN, values, perc){
          colN <- enquo(colN)
          dat %>%
              filter(UQ(colN) %in% values) %>%
              droplevels %>%
              nest(-UQ(colN)) %>%
              .$data %>%
              setNames(values) %>%
              Map(sample_frac, ., perc) %>%
              bind_rows(.id = quo_name(colN))               

        } 


res <- f.sample2(iris, Species, c("versicolor", "virginica"), c(0.8, 0.2))
prop.table(table(res$Species))
#versicolor  virginica 
#      0.8        0.2