来自数据帧_follow up 的分层随机抽样答案

【问题标题】：Stratified random sampling from data frame_follow up来自数据帧_follow up 的分层随机抽样
【发布时间】：2020-06-24 12:52:08
【问题描述】：

我正在尝试为Stratified random sampling from data frame 之后的每个组随机抽取 50% 的数据。在 R 中使用 mtcars 数据集的可重现示例如下所示。我不明白的是，样本索引清楚地显示了一组标记为'5'的齿轮，但是当索引应用于mtcars数据集时，采样数据mtcars2不包含来自gear='5'的任何记录。什么地方出了错？非常感谢。

> set.seed(14908141)
> index=tapply(1:nrow(mtcars),mtcars$gear,function(x){sample(length(x),length(x)*0.5)})
> index
$`3`
[1]  6  7 14  4 12  9 13

$`4`
[1] 12  7  8  4  6  5

$`5`
[1] 5 1

> mtcars2=mtcars[unlist(index),]
> table(mtcars2$gear)

 3  4 
12  3

【问题讨论】：

标签： r random sampling

【解决方案1】：

我认为您使用的方法为每个 gear 组创建了一个编号 1:length(mtcars$gear)，因此您将拥有每个组的重复行号。然后，当您对其子集不起作用时，请在上面的输出中查看您在gear 组3 和4 中都有行号7。

基础 R

我会先用split按齿轮分割：

res <- split(mtcars, mtcars$gear)

然后我使用lapply 遍历此列表并以这种方式对其中的 50% 进行采样：

res2 <- lapply(res, function(x) {
  x[sample(1:nrow(x), nrow(x)*0.5, FALSE), ]
    }
)

如果您想在末尾添加一个数据集（而不是列表），您可以使用 do.call 进行组合：

final_df <- do.call(rbind, res2)

dplyr

更简单的方法是：

library(dplyr)
mtcars %>% 
  group_by(gear) %>% 
  sample_frac(., 0.5)

【讨论】：

非常感谢您的快速回复。我注意到同一记录包含在多个组中的问题。是否可以使用 tapply() 或其他一些基本 R 函数更正我上面的代码？
查看上面的基本类型解决方案
do.call()，这正是我需要的，非常感谢。