Відповіді:
Спочатку внесіть деякі дані:
> df = data.frame(matrix(rnorm(20), nrow=10))
> df
X1 X2
1 0.7091409 -1.4061361
2 -1.1334614 -0.1973846
3 2.3343391 -0.4385071
4 -0.9040278 -0.6593677
5 0.4180331 -1.2592415
6 0.7572246 -0.5463655
7 -0.8996483 0.4231117
8 -1.0356774 -0.1640883
9 -0.3983045 0.7157506
10 -0.9060305 2.3234110
Потім виберіть випадково кілька рядків:
> df[sample(nrow(df), 3), ]
X1 X2
9 -0.3983045 0.7157506
2 -1.1334614 -0.1973846
10 -0.9060305 2.3234110
set.seed(42)
) щоразу, коли ви хочете відтворити цей конкретний зразок.
sample.int
буде трохи швидше, я вважаю:library(microbenchmark);microbenchmark( sample( 10000, 100 ), sample.int( 10000, 100 ), times = 10000 )
Відповідь, яку дає Джон Колбі, - це правильна відповідь. Однак якщо ви dplyr
користувач, є також відповідь sample_n
:
sample_n(df, 10)
випадковим чином відбирає 10 рядків з фрейму даних. Він викликає дзвінки sample.int
, тому насправді це одна і та ж відповідь з меншим типом (і спрощує використання в контексті magrittr, оскільки фрейм даних є першим аргументом).
data.table
Пакет надає функцію DT[sample(.N, M)]
, вибірки М випадкових рядків з таблиці даних DT
.
library(data.table)
set.seed(10)
mtcars <- data.table(mtcars)
mtcars[sample(.N, 6)]
mpg cyl disp hp drat wt qsec vs am gear carb
1: 14.7 8 440.0 230 3.23 5.345 17.42 0 0 3 4
2: 19.2 6 167.6 123 3.92 3.440 18.30 1 0 4 4
3: 17.3 8 275.8 180 3.07 3.730 17.60 0 0 3 3
4: 21.5 4 120.1 97 3.70 2.465 20.01 1 0 3 1
5: 22.8 4 108.0 93 3.85 2.320 18.61 1 1 4 1
6: 15.5 8 318.0 150 2.76 3.520 16.87 0 0 3 2
Просто заради повноти:
dplyr також пропонує намалювати пропорцію або частку вибірки за
df %>% sample_frac(0.33)
Це дуже зручно, наприклад, при машинному навчанні, коли вам потрібно виконати певний коефіцієнт розділення, наприклад 80%: 20%
EDIT : Ця відповідь застаріла, дивіться оновлену версію .
У своєму пакеті R я вдосконалив, sample
так що тепер він поводиться так, як очікувалося, і для кадрів даних:
library(devtools); install_github('kimisc', 'krlmlr')
library(kimisc)
example(sample.data.frame)
smpl..> set.seed(42)
smpl..> sample(data.frame(a=c(1,2,3), b=c(4,5,6),
row.names=c('a', 'b', 'c')), 10, replace=TRUE)
a b
c 3 6
c.1 3 6
a 1 4
c.2 3 6
b 2 5
b.1 2 5
c.3 3 6
a.1 1 4
b.2 2 5
c.4 3 6
Це досягається шляхом створення sample
загального методу S3 та надання необхідної (тривіальної) функціональності функції. Заклик setMethod
виправити все. До оригінальної реалізації все ще можна отримати доступ base::sample
.
sample.default(df, ...)
кадр даних df
, він вибирає з стовпців кадру даних, оскільки кадр даних реалізований у вигляді списку векторів однакової довжини.
install_github('kimisc', 'krlmlr')
і дістався Error: Does not appear to be an R package (no DESCRIPTION)
. Як-небудь навколо цього?
[
Оператор кадрів даних контрприклад. Також скажіть, будь ласка: Ви коли-небудь, лише один раз, використовували sample
для вибірки стовпців із фрейму даних?
iris[2]
працює як список, як і iris[[2]]
. Або iris$Species
, lapply(iris, mean)
... Кадри даних списків. Тож я очікую, що вони поводяться як вони. І так, я фактично використовував зразок (myDataframe). На наборі даних, де кожна змінна містить дані експресії одного гена. Ваш конкретний метод допомагає початківцям користувачам, але також ефективно змінює спосіб sample()
поведінки. Примітка Я використовую "як очікувалося" з точки зору програміста. Що відрізняється від загальної інтуїції. У R дуже багато, що не сумісне із загальною інтуїцією ...;)
Застаріла відповідь. Будь ласка, використовуйте
dplyr::sample_frac()
абоdplyr::sample_n()
замість цього.
У моєму пакеті R є функція sample.rows
саме для цієї мети:
install.packages('kimisc')
library(kimisc)
example(sample.rows)
smpl..> set.seed(42)
smpl..> sample.rows(data.frame(a=c(1,2,3), b=c(4,5,6),
row.names=c('a', 'b', 'c')), 10, replace=TRUE)
a b
c 3 6
c.1 3 6
a 1 4
c.2 3 6
b 2 5
b.1 2 5
c.3 3 6
a.1 1 4
b.2 2 5
c.4 3 6
Покращення sample
, зробивши його загальною функцією S3, було поганою ідеєю, згідно з коментарями Йорзіс Мейс до попередньої відповіді .
Виберіть випадковий зразок із типу тиблизи в R:
library("tibble")
a <- your_tibble[sample(1:nrow(your_tibble), 150),]
nrow приймає таблицю і повертає кількість рядків. Перший переданий параметр sample
- це діапазон від 1 до кінця таблиці. Другий параметр, переданий для вибірки, 150, - це кількість випадкових вибірок. Нарізка квадратної дужки вказує рядки повернених індексів. Змінна 'a' отримує значення випадкової вибірки.
Ви можете це зробити:
library(dplyr)
cols <- paste0("a", 1:10)
tab <- matrix(1:1000, nrow = 100) %>% as.tibble() %>% set_names(cols)
tab
# A tibble: 100 x 10
a1 a2 a3 a4 a5 a6 a7 a8 a9 a10
<int> <int> <int> <int> <int> <int> <int> <int> <int> <int>
1 1 101 201 301 401 501 601 701 801 901
2 2 102 202 302 402 502 602 702 802 902
3 3 103 203 303 403 503 603 703 803 903
4 4 104 204 304 404 504 604 704 804 904
5 5 105 205 305 405 505 605 705 805 905
6 6 106 206 306 406 506 606 706 806 906
7 7 107 207 307 407 507 607 707 807 907
8 8 108 208 308 408 508 608 708 808 908
9 9 109 209 309 409 509 609 709 809 909
10 10 110 210 310 410 510 610 710 810 910
# ... with 90 more rows
Нагорі я лише зробив кадр даних з 10 стовпцями та 100 рядками, добре?
Тепер ви можете спробувати його за допомогою sample_n
:
sample_n(tab, size = 800, replace = T)
# A tibble: 800 x 10
a1 a2 a3 a4 a5 a6 a7 a8 a9 a10
<int> <int> <int> <int> <int> <int> <int> <int> <int> <int>
1 53 153 253 353 453 553 653 753 853 953
2 14 114 214 314 414 514 614 714 814 914
3 10 110 210 310 410 510 610 710 810 910
4 70 170 270 370 470 570 670 770 870 970
5 36 136 236 336 436 536 636 736 836 936
6 77 177 277 377 477 577 677 777 877 977
7 13 113 213 313 413 513 613 713 813 913
8 58 158 258 358 458 558 658 758 858 958
9 29 129 229 329 429 529 629 729 829 929
10 3 103 203 303 403 503 603 703 803 903
# ... with 790 more rows
Я новачок в R, але я використовував цей простий метод, який працює для мене:
sample_of_diamonds <- diamonds[sample(nrow(diamonds),100),]
PS: Не соромтесь зауважувати, чи є у нього якийсь недолік, про який я не думаю.
?sample
консоль R, щоб прочитати про цю функцію.