来自 R 中不同列的样本答案

【问题标题】：Sample from different columns in R来自 R 中不同列的样本
【发布时间】：2018-07-05 10:51:18
【问题描述】：

假设我有一个概率向量

prob=c(0.1,0.8,0.1)

和一个数据框：df=cbind(c("A","B","A"),c(1,2,3),c("q","v","z"))

我想对 df 中的 n 对象进行替换，第一列的概率为 0.1，第二列的概率为 0.8，第三列的概率为 0.1

【问题讨论】：

您是从列中采样 n 列还是 n 个元素？一个样本包含整个列还是一个样本仅包含一个元素，例如“A”？？
我想对 n 个元素进行采样，10% 必须来自第一列，80% 来自第二列，10% 来自最后一列
Psst...我想你想用data.frame() 替换那个cbind() - 你现在得到一个matrix。

标签： r dataframe sample

【解决方案1】：

我们将取消列出 data.frame，并即时修改我们的 prob 向量，使其具有适当的长度。

df <- data.frame(c("A","B","A"), c(1,2,3), c("q","v","z"), stringsAsFactors = F)

n <- 5
set.seed(1)
unname(sample(unlist(df), n, replace = TRUE, prob= rep(prob, each = nrow(df))))
# [1] "3" "1" "A" "z" "2"

如果你真的从矩阵而不是 data.frame 开始，那就有点短了：

df=cbind(c("A","B","A"),c(1,2,3),c("q","v","z"))
set.seed(1)
sample(df, n, replace = TRUE, prob= rep(prob, each = nrow(df)))
# [1] "3" "1" "A" "z" "2"

来自列表（回答 cmets）

l =list(c("A","B"),c(1,2,3),c("q","v","z","w"))
set.seed(1)
sample(unlist(l), n, replace = TRUE, prob= rep(prob/lengths(l), lengths(l)))
# [1] "3" "2" "1" "v" "3" "B" "q"

【讨论】：

如果不是数据框而是列表，其中每列的长度不同？
sample.int(length(x), size, replace, prob) 中的错误：概率数不正确

【解决方案2】：

这是基于样本概率在一列内是一致的假设：

我们首先使用向量prob 中的概率对n 列位置进行采样；

df=cbind(c("A","B","A"),c(1,2,3),c("q","v","z"))
prob=c(0.1,0.8,0.1)
n = 10

set.seed(1)
colselect <- sample(1:ncol(df), size = n, replace = TRUE, prob = prob)

[1] 2 2 2 1 2 3 1 2 2 2

然后我们遍历列位置并从各自的列中分别采样一个元素：

sapply(colselect, function(x) sample(df[,x], 1))

[1] "1" "1" "3" "B" "3" "v" "A" "3" "2" "3"

【讨论】：

我没有说每一列的概率是一致的，我问这个问题是因为我想从每一列中以特定的概率进行抽样
是的，但是从一个特定列中采样哪个值的概率是一致的，或者不是吗？您以特定概率对特定列进行采样，但您并不关心要从该列中采样哪个值。
这是我找到的确切解决方案。使用概率来决定要从每列中采样多少元素，然后从每列中采样。通过在没有约束的情况下一次取一项来解决列内的替换。 @gldzzzz - 除非你添加更多细节 - 也许通过给我们一个例子 - 那么完全不清楚为什么这不能解决你的问题。