如何从原始数据集中计算样本数据集？答案

【问题标题】：How do I compute a sample data set from my original data set?如何从原始数据集中计算样本数据集？
【发布时间】：2021-12-10 10:08:04
【问题描述】：

查看以下数据集的 sn-p：

    $ HOMEMTOT             : int  4278 2389 1264 3249 6048 1705 5304 11091 1289 13347 ...
 $ MULHERTOT            : int  4213 2298 1278 3170 5667 1541 4931 11388 1254 11777 ...
 $ pesoRUR              : int  4464 1649 1588 1369 9269 885 2886 12910 221 10895 ...
 $ pesotot              : int  8491 4687 2542 6419 11715 3246 10235 22479 2543 25124 ...
 $ pesourb              : int  4027 3038 954 5050 2446 2361 7349 9569 2322 14229 ...
 $ Estados              : Factor w/ 26 levels "AC","AL","AM",..: 2 10 22 25 10 25 12 6 17 12 ...

我打算进行 PCA 和 LASSO 回归，但问题是我应该留出 10 个城市的样本量，如上所示，创造了“Estados”。我怎么说根据 10 个随机城市“Estados”制作一组样本，例如 300 个观察值。 ?

【问题讨论】：

标签： r plyr sampling tidy

【解决方案1】：

你可以使用：

library(tidyverse)
df %>%
  filter(Estados %in% sample(Estados, 10, replace = FALSE)) %>%
  group_by(Estados) %>%
  slice_sample(n = 30) %>%
  ungroup()

【讨论】：