从每个频率箱中随机选择观察值[重复]

Question

我想将我的数据分成 100 个频率区间，然后从每个频率区间中随机选择一个观察值。

我有一个数据框，其中包含语料库中的单词及其频率，如下所示：

word | frequency
---- | ---------
a    | 72387
and  | 112091
that | 87164
to   | 71474
the  | 98422
etc.

我知道我可以使用cut 函数对数据进行分类，但我不确定如何从每个频率分类中随机选择一个词。

Answer 1

一个整洁的答案是：

d <- iris %>% 
  mutate(bin = ntile(Species, 100)) %>%
  group_by(bin) %>%
  sample_n(1) %>%
  ungroup()

您可以将“iris”替换为您的 df，将“Species”替换为您想要分类的列。