因子分层抽样答案

【问题标题】：Stratified sampling on factor因子分层抽样
【发布时间】：2015-05-07 09:44:20
【问题描述】：

我有一个包含 1000 行的数据集，其结构如下：

     device geslacht leeftijd type1 type2
1       mob        0       53     C     3
2       tab        1       64     G     7
3        pc        1       50     G     7
4       tab        0       75     C     3
5       mob        1       54     G     7
6        pc        1       58     H     8
7        pc        1       57     A     1
8        pc        0       68     E     5
9        pc        0       66     G     7
10      mob        0       45     C     3
11      tab        1       77     E     5
12      mob        1       16     A     1

我想做一个 80 行的样本，由 type1 = A 的 10 行、type1 = B 的 10 行等组成。有没有人可以帮助他？

【问题讨论】：

标签： r dataframe sampling

【解决方案1】：

以下是我使用data.table 处理此问题的方法

library(data.table)
indx <- setDT(df)[, .I[sample(.N, 10, replace = TRUE)], by = type1]$V1
df[indx]
#     device geslacht leeftijd type1 type2
#  1:    mob        0       45     C     3
#  2:    mob        0       53     C     3
#  3:    tab        0       75     C     3
#  4:    mob        0       53     C     3
#  5:    tab        0       75     C     3
#  6:    mob        0       45     C     3
#  7:    tab        0       75     C     3
#  8:    mob        0       53     C     3
#  9:    mob        0       53     C     3
# 10:    mob        0       53     C     3
# 11:    mob        1       54     G     7
#...

或者更简单的版本是

setDT(df)[, .SD[sample(.N, 10, replace = TRUE)], by = type1]

基本上，我们从type1 的每组中的行索引中进行抽样（替换 - 因为每组中的行少于 10 行），然后按此索引对数据进行子集

与dplyr 类似，您可以这样做

library(dplyr)
df %>% 
  group_by(type1) %>%
  sample_n(10, replace = TRUE)

【讨论】：

【解决方案2】：

基础 R 解决方案：

do.call(rbind,
        lapply(split(df, df$type1), function(i)
          i[sample(1:nrow(i), size = 10, replace = TRUE),]))

编辑：

@BrodieG 建议的其他解决方案

with(DF, DF[unlist(lapply(split(seq(type), type), sample, 10, TRUE)), ])

with(DF, DF[c(sapply(split(seq(type), type), sample, 10, TRUE)), ])

【讨论】：

【解决方案3】：

基础 R 中的另一个选项：

df[as.vector(sapply(unique(df$type1), 
                    function(x){
                        sample(which(df$type1==x), 10, replace=T)
                    })), ]

【讨论】：