Question

使用下面的这个非常简单的数据示例，我的目标是对A的所有3个样本进行抽样，而对B的7个样本中的5个抽样。

 id   group
  1       A
  2       A
  3       A
  4       B
  5       B
  6       B
  7       B
  8       B
  9       B
 10       B

ex_df <- data.frame(id = 1:10, group = c(rep("A", 3), rep("B", 7)))

现在，通常只是使用sample_n中的dplyr的情况，这样代码将遵循

sel_5 <- ex_df %>%
   group_by(group) %>%
   sample_n(5)

除了这会导致错误（出于明显的原因）

错误：size必须小于或等于2（数据大小），已设置 replace = TRUE，可使用替换抽样

，但无法进行抽样替换。有什么方法可以将sample_n的大小设置为最小5或组的大小？

或者也许我不知道的另一个功能能够做到这一点？

Answer 1

我遇到了同样的问题，这就是我所做的。

library(dplyr)

split_up <- split(ex_df, f = ex_df$group)
#split original dataframe into a list of dataframes for each unique group

sel_5 <- lapply(split_up, function(x) {x %>% sample_n(ifelse(nrow(x) < 5, nrow(x), 5))})
#on each dataframe, subsample to 5 or to the number of rows if there are less than 5

sel_5 <- do.call("rbind", sel_5)
#bind it back up!

Sample_n从每个组中获取最大数量

1 个答案: