Question

请给我一个三元组数据集，其中包含129个变量和大约58,000个观察值（行）。我的响应变量有3个类：Attack，Natural和NoEvents。类的分布如下所示。但是，我打算将“ Natural”和“ NoEvent”类减少80％，以使我能够创建不平衡的数据集，但是我的代码似乎无法正常工作。可以帮我吗？

 > reduced<- sample_frac(powerData, powerData$marker=="Natural" & 
  powerData=="NoEvent",0.8)
 > 
 > table(powerData$marker)

 Attack  Natural NoEvents 
 40914    13351     3225

Answer 1

这是一个非常简单的选项，可让您掌控一切...

# dplyr 1.0.0
naturalsample <- powerData %>% filter(marker == "Natural") %>% slice_sample(prop = .2)
attacksample <- powerData %>% filter(marker == "Attack") %>% slice_sample(prop = .2)
noeventall <- powerData %>% filter(marker == "NoEvent")

# dplyr <1 use sample_frac(size = .2)

rbind(naturalsample, attacksample, noeventall)

有没有一种更好的方法可以随机减少数据帧的行数？

1 个答案: