R样本直到满足条件

时间:2019-12-11 15:57:27

标签: r sample

所以我有以下数据框:

structure(list(V1 = c(45L, 17L, 28L, 26L, 18L, 41L, 26L, 20L, 
23L, 31L, 48L, 23L, 32L, 18L, 30L, 11L, 26L)), .Names = "V1", row.names = c("24410", 
"26526", "26527", "43264", "63594", "125630", "148318", "245516", 
"269500", "293171", "301217", "400294", "401765", "520084", "545501", 
"564914", "742654"), class = "data.frame")

行名表示宗地,V1显示可以从中提取的每个宗地的示例数。 我想要的是从每个包裹中抽取一个与可用示例数量成比例的样本,最后下落,最终每个包裹总共有400个示例。想法是不对一个包裹相对于另一个包裹进行过度采样。

正在进行采样的数据集为here

到目前为止,代码如下:

df <- read.csv('/data/samplefrom.csv')
df.training <- data.frame()
n <- 400

for(crop in sort(unique(df$code_surveyed))){
  for (bbch_stage in sort(unique(df$bbch))) {
    df.int <- df[df$bbch==bbch_stage & df$code_surveyed == crop,]
    df.int <- df.int[!is.na(df.int$name),]
    rawnum <- nrow(df[df$bbch==bbch_stage & df$code_surveyed == crop,])
    if(rawnum >= n){
      df.bbch.slected<-df[df$bbch==bbch_stage & df$code_surveyed == crop,]
      df.bbch.slected.sampled<-df.bbch.slected[sample(nrow(df.bbch.slected), n),] #(round(n_bbch*length(which(df$bbch==bbch_stage))))), ]
      df.training<-rbind(df.training,df.bbch.slected.sampled)
    }

  }
}

这是为每种作物+ bbch_stage组合随机抽取400个示例(将其理解为复合变量)。一切都很好,但我希望能够控制示例来自哪个宗地(变量objectid)。本质上,采样时需要额外的过滤步骤。

我尝试使用whilerepeat语句以及stratified中的devtools函数进行了几次尝试,但是似乎都没有产生出米之后。

1 个答案:

答案 0 :(得分:1)

经过几番跌宕起伏,我才明白这一点:

df.training<-data.frame()
for (crop in unique(df$code)) {
  df.crop.slected<-df[df$code==crop,]
  df.crop.slected.sampled <- data.frame()
  while(nrow(df.crop.slected.sampled) < 400){
    for(parcel in 1:length(unique(df.crop.slected$objectid))){
      df.crop.slected.pacel <- df.crop.slected[df.crop.slected$objectid == unique(df.crop.slected$objectid)[parcel],]
      df.crop.slected.pacel <- df.crop.slected.pacel[sample(nrow(df.crop.slected.pacel), 1), ]
      if(! df.crop.slected.pacel$name %in% df.crop.slected.sampled$name){
        df.crop.slected.sampled <- rbind(df.crop.slected.sampled, df.crop.slected.pacel)
      }

    }
  }
  df.training<-rbind(df.training,df.crop.slected.sampled)
}

虽然肯定不是最优雅的,但它确实可以做到。如果有人可以将我定向到分层抽样的函数,并且可以更轻松地实现这一目的,我将不胜感激。