dplyr：使用DB-backend进行随机选择

Question

dplyr＆＃39; s sample_n()似乎只是针对数据帧而不是单个SQL-Backend实现的。是否可以使用ORDER BY rand()来利用MySQL arrange？这与dplyr的head结合使用会更好，并且会允许类似的功能。

Answer 1

如果目标是在没有替换的情况下对n行进行抽样，则只需sample行号和filter即可。

因此，如果我们想从mtcars中选择5个随机行，我们可以写：

filter(mtcars, row_number() %in% sample(n(), 5))

这仍然是单行，但它比普通sample_n更受限制，因为您无法通过替换来执行此操作（您无法通过过滤多次选择行）。从好的方面来说，filter，row_number和n应适用于所有来源。

请注意，如果表已分组，则将从每个组中抽取5行。如果你想要一个分数（比如每组50％），你可以写：

mtcars %>% 
  group_by(cyl) %>% 
  filter(row_number() %in% sample(n(), round(0.5 * n())))

如果您想进行加权抽样，可以直接向prob中的sample参数提供变量：

filter(mtcars, row_number() %in% sample(n(), 5, prob = disp))

此次再次采样5行，但更有可能选择disp更高的行。