Question

与this问题相关。

gender <- c("F", "M", "M", "F", "F", "M", "F", "F")
age    <- c(23, 25, 27, 29, 31, 33, 35, 37)
mydf <- data.frame(gender, age) 

mydf[ sample( which(mydf$gender=='F'), 3 ), ]

如何选择多行（上述情况为3），如何用“F”随机选择20％的行？因此，对于带有“F”的五行，如何随机抽样20％的这些行。

Answer 1

您可以在sample_frac()包中使用dplyr功能。

e.g。如果您想在每组中抽样20％：

mydf %>% sample_frac(.2)

如果您想在每个性别组中抽样20％：

mydf %>% group_by(gender) %>% sample_frac(.2)

Answer 2

这个怎么样：

mydf[ sample( which(mydf$gender=='F'), round(0.2*length(which(mydf$gender=='F')))), ]

其中0.2是你的20％而length(which(mydf$gender=='F'))是F的总行数

Answer 3

自我提升警报。我写了一个允许方便的分层抽样的函数，并且我在采样之前已经包括了一个选项来分组变量的子集级别。

该函数名为stratified，可以通过以下方式使用：

set.seed(1)
# Proportional sample
stratified(mydf, group="gender", size=.2, select=list(gender = "F"))
#   gender age
# 4      F  29
# Fixed-size sampling
stratified(mydf, group="gender", size=2, select=list(gender = "F"))
#   gender age
# 4      F  29
# 5      F  31

您可以指定多个组（例如，如果您的数据框包含“状态”变量，并且您希望按“状态”和“性别”进行分组，则可以指定group = c("state", "gender")）。您还可以指定多个“选择”参数（例如，如果您只想要来自加利福尼亚州和德克萨斯州的女性受访者，并且您的“州”变量使用双字母州缩写，则可以指定select = list(gender = "F", state = c("CA", "TX"))）。

可以找到函数本身here，也可以使用“devtools”软件包中的install_github下载并安装软件包（可以方便地访问帮助页面和示例），如下所示：

# install.packages("devtools")
library(devtools)
install_github("mrdwabmisc", "mrdwab")

Answer 4

要样本20％，您可以使用它来获取样本大小：

n = round(0.2 * nrow(mydf[mydf$gender == "F",]))

随机抽样数据框中的一定百分比的行

4 个答案: