如何在R中对H2O数据帧进行随机抽样？

Question

我有一个包含40列和100万行的h2o数据表。我想随意选择30万行，无需更换。我在线查看的H2o.sample函数给出了错误（我已经启动了h2o集群）

Error: could not find function "h2o.sample"

我还有其他办法吗？提前谢谢！

Answer 1

没有h2o.sample()功能（也许在一个非常旧的H2O版本中？）。您可以使用h2o.splitFrame()功能将框架拆分为多个部分。这也可以作为获取数据框的随机子集的方法（无需替换）。该函数实际上会创建两个（或更多）数据，所以如果你只需要30％，这里有一个例子在R中使用iris来获得行的~30％随机样本：

library(h2o)
h2o.init()

hf <- as.h2o(iris)
ss <- h2o.splitFrame(hf, ratios = c(0.3), seed = 1)
sub_hf <- ss[[1]]   # will contain 30% of the rows

请注意，出于可伸缩性原因，h2o.splitFrame()使用“近似拆分”，这意味着您不一定会获得30％的行。但是，预期值为30％，当数据更大时，它将更接近所需的百分比。虹膜是一个很小的150行数据集，因此存在更多的差异。