我知道如何将数据集完全随机地分成两半没问题,但是我理解"逻辑上"如何去做我想做的事,这里的扭曲似乎让我失望。
所以我有一个带有分类变量Title
的数据集,它有120个级别。每个级别有50个观察值。我想以这样的方式将数据集分成两半,其中半集A和半集B中的每一个在Title
的每个级别中获得50个观察值中的随机25个。 (这是针对全民教育和终审法院的)
我认为它会涉及一个for循环来遍历120个级别和sample(nrow(subset(dataset,title=index), 25)
,但我有点失去了。我所考虑的几个小的潜在解决方案是为半套A选择随机25但是有替换,所以当我再次运行它以制作半套B时,它有一些重叠。
示例数据:
set.seed(1)
dataset = data.frame(id = rep(1:120, 50), v = rnorm(120*50))
一如既往地感谢大家。
答案 0 :(得分:2)
我会group_by
按标题添加数据,然后在每个数据中sample
获取随机排序,并将其用于split
data.frame
#some data
df <- data.frame(title = letters[1:5], col = rnorm(30))
library(dplyr)
df2 <- df %>% group_by(title) %>% mutate(group = sample(n())/n() > 0.5)
split(df2, df2$group)
答案 1 :(得分:2)
考虑使用插入符号包。以下代码使用了他们的说明:
library(caret)
set.seed(1); DF = data.frame(id = rep(1:120, 50), v = rnorm(120*50))
trainIndex <- createDataPartition(DF$id, p = .5,
list = FALSE,
times = 1)
DFTrain <- DF[ trainIndex,]
DFTest <- DF[-trainIndex,]
table(DFTrain$id)
有关使用Caret包进行数据拆分的更多信息: Data Splitting
答案 2 :(得分:1)
这是一个经典的拆分 - 应用 - 组合问题。使用虹膜数据:
x <- do.call(rbind,lapply(split(iris,iris$Species), function(x) x[sample(round(nrow(x)/2)),]))
summary(x)
Sepal.Length Sepal.Width Petal.Length Petal.Width
Min. :4.300 Min. :2.000 Min. :1.000 Min. :0.100
1st Qu.:5.100 1st Qu.:2.800 1st Qu.:1.550 1st Qu.:0.300
Median :5.800 Median :3.000 Median :4.500 Median :1.400
Mean :5.872 Mean :3.061 Mean :3.804 Mean :1.212
3rd Qu.:6.450 3rd Qu.:3.350 3rd Qu.:5.100 3rd Qu.:1.800
Max. :7.700 Max. :4.400 Max. :6.900 Max. :2.500
Species
setosa :25
versicolor:25
virginica :25
或者,您可以通过对拆分变量中每个级别的行进行采样来选择数据框中的行:
y <- iris[unlist(lapply(levels(iris$Species), function(x) sample(which(iris$Species==x),round(sum(iris$Species==x)/2)))),]
summary(y)
Sepal.Length Sepal.Width Petal.Length Petal.Width Species
Min. :4.300 Min. :2.00 Min. :1.000 Min. :0.100 setosa :25
1st Qu.:5.100 1st Qu.:2.70 1st Qu.:1.500 1st Qu.:0.350 versicolor:25
Median :5.700 Median :3.00 Median :4.200 Median :1.300 virginica :25
Mean :5.784 Mean :3.02 Mean :3.725 Mean :1.204
3rd Qu.:6.400 3rd Qu.:3.30 3rd Qu.:5.250 3rd Qu.:1.800
Max. :7.900 Max. :4.40 Max. :6.600 Max. :2.500