R将数据随机分成两部分答案

【问题标题】：R split data into 2 parts randomlyR将数据随机分成两部分
【发布时间】：2015-09-18 03:07:36
【问题描述】：

我正在尝试将我的数据框随机分成两部分。例如，我想将随机 70% 的数据放入一个数据帧，将另外 30% 的数据放入另一个数据帧。有没有快速的方法来做到这一点？原始数据帧中的行数超过 800000。我尝试使用 for 循环，从行数中选择一个随机数，然后使用 rbind() 将该行绑定到第一个（70%）数据帧并将其从原始数据框中删除以获取另一个（30％）数据框。但这非常慢。有没有相对快速的方法可以做到这一点？

【问题讨论】：

标签： r random split

【解决方案1】：

试试

n <- 100
data <- data.frame(x=runif(n), y=rnorm(n))
ind <- sample(c(TRUE, FALSE), n, replace=TRUE, prob=c(0.7, 0.3))
data1 <- data[ind, ]
data2 <- data[!ind, ]

【讨论】：

打败我。扩展到 800K 案例时也能快速运行。
运行速度非常快。即使我多次循环重复它。谢谢。

【解决方案2】：

我正在以 ExperimenteR 的答案为基础，这看起来很可靠。然而，一个问题是sample 函数有点奇怪，因为它使用了不完全确定的概率。以此为例：

>sample(c(TRUE, FALSE), n, replace=TRUE, prob=c(0.7, 0.3))

您会期望 TRUE 和 FALSE 值的数量分别正好是 70 和 30。通常情况并非如此：

>table(sample(c(TRUE, FALSE), n, replace=TRUE, prob=c(0.7, 0.3)))

 FALSE  TRUE 
    34    66

如果您不希望非常精确，那也没关系。但如果您希望正好 70% 和 30%，那么请改为：

v <- as.vector(c(rep(TRUE,70),rep(FALSE,30))) #create 70 TRUE, 30 FALSE
ind <- sample(v) #Sample them randomly. 
data1 <- data[ind, ] 
data2 <- data[!ind, ]

【讨论】：

试试ind <- sample(c(rep(TRUE,ceiling(nrow(data)*0.7)),rep(FALSE,floor(nrow(data)*0.3))))
部分正确，是的，最终需要是 100 的因数或倍数的数字。你的更强大，+1。
抱歉的意思是说我的方法最终需要的数字是 10 的倍数。