Question

我有一个大的data.table（大约24000行并且正在增长）。我希望根据几个标准对该数据表进行子集化，并从该子集（最终约为3000行）我想随机抽样4行。我不想创建一个名为3000左右的行data.table，计算其行数，然后根据行号进行采样。我怎么能在飞行中做到这一点？或者我应该通过创建表然后对其进行处理，对其进行采样然后使用rm()来消除它来吸收它？

让我们模拟我的问题

require(data.table)
random.length  <-  sample(x = 15:30, size = 1)
data.table(city=sample(c("Cape Town", "New York", "Pittsburgh", "Tel Aviv", "Amsterdam"), size=random.length, replace = TRUE), score = sample(x=1:10, size = random.length, replace=TRUE))

这是一个随机长度表，它模拟了这样一个事实：根据我的标准并且根据我的起始表，我不知道子集化表的长度是什么

现在，如果我只想要前三行我可以这样做

data.table(city=sample(c("Cape Town", "New York", "Pittsburgh", "Tel Aviv", "Amsterdam"), size=random.length, replace = TRUE), score = sample(x=1:10, size = random.length, replace=TRUE))[1:3]

但是，让我们说我不想要前三行，而是一个随机的3行，然后我想做一些像这样的事情......

data.table(city=sample(c("Cape Town", "New York", "Pittsburgh", "Tel Aviv", "Amsterdam"), size=random.length, replace = TRUE), score = sample(x=1:10, size = random.length, replace=TRUE))[sample(x= 1:number of rows of that previous data.table,size = 3 ]

那不行。如何在运行中计算初始data.frame的长度是多少？

Answer 1

刚刚.N使i工作。新的README项目：

.N现已在i，FR#724中提供。感谢新手间接地here和Farrel直接here。

这现在有效：

DT[...][...][sample(.N,3)]

e.g。

> random.length  <-  sample(x = 15:30, size = 1)
> data.table(city = sample(c("Cape Town", "New York", "Pittsburgh", "Tel Aviv", "Amsterdam"),size=random.length, replace = TRUE), score = sample(x=1:10, size = random.length, replace=TRUE))[sample(.N, 3)] 
         city score
1:   New York     4
2: Pittsburgh     3
3:  Cape Town     9
>

Answer 2

有两步法：

使用i

.I

索引i

示例代码。

require(data.table)
random.length  <-  sample(x = 15:30, size = 1)
data.table(city = sample(c("Cape Town", "New York", "Pittsburgh", "Tel Aviv", "Amsterdam"),size=random.length, replace = TRUE), score = sample(x=1:10, size = random.length, replace=TRUE))[,i := .I][sample(i, 3)]

Answer 3

另一种替代方法是使用sapply方法。
例如：

  as.data.table(sapply(DT[], sample, 10))

如何动态地从data.table中提取一些随机行

3 个答案: