按组区分采样率

Question

对于机器学习模型训练，我尝试对具有分组变量的数据帧进行采样，以便使用不同的采样规则处理每个组。比如我的数据：

df = data.frame(value = 1:10, label=c("a", "a", "b", rep("c", 7)))

对于规模小于 3 的组，我想抽取整个组，而不是更多，而对于更大的组，我想抽取一个 3 号的样本而不进行替换。

所以在这里，结果可能是：df[c(1:3, 6,9,10),]

如果我使用group_by 和sample_n，我会收到尺寸错误。我想过使用拆分和差异化采样“手动”，然后再次绑定行，但是有没有更有效和直接的方法？

Answer 1

在sample_n 中使用n() 组的大小。

df %>% group_by(label) %>% sample_n(min(n(), 3))

# A tibble: 6 x 3
# Groups:   label [3]
#  value label     n
#  <int> <fct> <int>
#1     1 a         2
#2     2 a         2
#3     3 b         1
#4     5 c         7
#5    10 c         7
#6     4 c         7