在因子水平内选择随机样本，每个因子水平的层大小不等答案

【问题标题】：Select a random sample within levels of a factor, unequal stratum size per factor level在因子水平内选择随机样本，每个因子水平的层大小不等
【发布时间】：2017-04-04 14:15:09
【问题描述】：

我想在一个因子的级别内选择我的数据帧的随机样本。我可以使用 ddply 在因子级别内获取样本：

library(dplyr)
newdf <- ddply(iris, ~Species, function(x){
  ndf <- x[sample(nrow(x),2), ]
})
with(newdf,table(Species))

但是，我不想简单地从每个因子水平抽取 2 个观察值。相反，我想从物种的 3 个级别中采样 2,3 和 4 个观察值（即来自 setosa 的 2 个，来自 versicolor 的 3 个，4 frm virginica）。我怎样才能做到这一点？

我可以创建一个值向量吗，例如c(2,3,4) 循环通过每个数据帧由 ddply 拆分？

需要指定该向量中的值 - 它们不是所有数据的一致比例，也不是一致的数字。

【问题讨论】：

您的意思是“不等层的分层样本”

标签： r random dplyr sample

【解决方案1】：

我们split 按“物种”划分数据集，使用Map 到sample 的观察次数，以及rbind 的list 输出。

 do.call(rbind, Map(function(x,y) x[sample(y),], split(iris, iris$Species), 2:4))

【讨论】：

谢谢@akrun。效果很好。对于那些没有立即看到它的人（就像我不会有几周的时间），最后的 2:4 可以替换为样本大小的命名向量。