我正在努力找到适当的函数，它会返回指定数量的行，而不是从R语言中的数据框中替换而是随机拾取的行？任何人都可以帮助我吗？
答案 0 :(得分：381)
首先制作一些数据：
> df = data.frame(matrix(rnorm(20), nrow=10))
> df
X1 X2
1 0.7091409 -1.4061361
2 -1.1334614 -0.1973846
3 2.3343391 -0.4385071
4 -0.9040278 -0.6593677
5 0.4180331 -1.2592415
6 0.7572246 -0.5463655
7 -0.8996483 0.4231117
8 -1.0356774 -0.1640883
9 -0.3983045 0.7157506
10 -0.9060305 2.3234110
然后随机选择一些行：
> df[sample(nrow(df), 3), ]
X1 X2
9 -0.3983045 0.7157506
2 -1.1334614 -0.1973846
10 -0.9060305 2.3234110
答案 1 :(得分：160)
John Colby给出的答案是正确的答案。但是，如果您是dplyr用户，则还有答案sample_n：
sample_n(df, 10)
从数据帧中随机抽取10行。它调用sample.int，所以实际上是相同的答案，减少键入（并简化了在magrittr上下文中的使用，因为数据帧是第一个参数）。
答案 2 :(得分：30)
写一个！包装JC的答案给了我：
randomRows = function(df,n){
return(df[sample(nrow(df),n),])
}
现在首先检查n＆lt; = nrow（df）并停止并显示错误，以使其更好。
答案 3 :(得分：25)
data.table包提供函数DT[sample(.N, M)]，从数据表DT中抽取M个随机行。
library(data.table)
set.seed(10)
mtcars <- data.table(mtcars)
mtcars[sample(.N, 6)]
mpg cyl disp hp drat wt qsec vs am gear carb
1: 14.7 8 440.0 230 3.23 5.345 17.42 0 0 3 4
2: 19.2 6 167.6 123 3.92 3.440 18.30 1 0 4 4
3: 17.3 8 275.8 180 3.07 3.730 17.60 0 0 3 3
4: 21.5 4 120.1 97 3.70 2.465 20.01 1 0 3 1
5: 22.8 4 108.0 93 3.85 2.320 18.61 1 1 4 1
6: 15.5 8 318.0 150 2.76 3.520 16.87 0 0 3 2
答案 4 :(得分：8)
编辑：此答案现已过时，请参阅the updated version。
在my R package中，我增强了sample，现在它的行为也符合预期的数据框：
library(devtools); install_github('kimisc', 'krlmlr')
library(kimisc)
example(sample.data.frame)
smpl..> set.seed(42)
smpl..> sample(data.frame(a=c(1,2,3), b=c(4,5,6),
row.names=c('a', 'b', 'c')), 10, replace=TRUE)
a b
c 3 6
c.1 3 6
a 1 4
c.2 3 6
b 2 5
b.1 2 5
c.3 3 6
a.1 1 4
b.2 2 5
c.4 3 6
这是achieved，它使sample成为S3泛型方法，并在函数中提供必要的（平凡的）功能。拨打setMethod可以解决所有问题。原始实现仍然可以通过base::sample访问。
答案 5 :(得分：4)
在my R package中，只有一个函数sample.rows用于此目的：
install.packages('kimisc')
library(kimisc)
example(sample.rows)
smpl..> set.seed(42)
smpl..> sample.rows(data.frame(a=c(1,2,3), b=c(4,5,6),
row.names=c('a', 'b', 'c')), 10, replace=TRUE)
a b
c 3 6
c.1 3 6
a 1 4
c.2 3 6
b 2 5
b.1 2 5
c.3 3 6
a.1 1 4
b.2 2 5
c.4 3 6
通过使其成为通用S3功能来增强sample是一个坏主意。
答案 6 :(得分：4)
从R：
中的tibble类型中选择一个随机样本library("tibble")
a <- your_tibble[sample(1:nrow(your_tibble), 150),]
nrow获取一个tibble并返回行数。传递给sample的第一个参数是从1到tibble结尾的范围。传递给样本150的第二个参数是您想要的随机抽样数量。方括号切片指定返回的索引的行。变量'a'得到随机抽样的值。
答案 7 :(得分：1)
您可以这样做：
library(dplyr)
cols <- paste0("a", 1:10)
tab <- matrix(1:1000, nrow = 100) %>% as.tibble() %>% set_names(cols)
tab
# A tibble: 100 x 10
a1 a2 a3 a4 a5 a6 a7 a8 a9 a10
<int> <int> <int> <int> <int> <int> <int> <int> <int> <int>
1 1 101 201 301 401 501 601 701 801 901
2 2 102 202 302 402 502 602 702 802 902
3 3 103 203 303 403 503 603 703 803 903
4 4 104 204 304 404 504 604 704 804 904
5 5 105 205 305 405 505 605 705 805 905
6 6 106 206 306 406 506 606 706 806 906
7 7 107 207 307 407 507 607 707 807 907
8 8 108 208 308 408 508 608 708 808 908
9 9 109 209 309 409 509 609 709 809 909
10 10 110 210 310 410 510 610 710 810 910
# ... with 90 more rows
上面我刚刚制作了一个包含10列1000行的数据框，好吗？
现在您可以使用sample_n对其进行采样：
sample_n(tab, size = 800, replace = T)
# A tibble: 800 x 10
a1 a2 a3 a4 a5 a6 a7 a8 a9 a10
<int> <int> <int> <int> <int> <int> <int> <int> <int> <int>
1 53 153 253 353 453 553 653 753 853 953
2 14 114 214 314 414 514 614 714 814 914
3 10 110 210 310 410 510 610 710 810 910
4 70 170 270 370 470 570 670 770 870 970
5 36 136 236 336 436 536 636 736 836 936
6 77 177 277 377 477 577 677 777 877 977
7 13 113 213 313 413 513 613 713 813 913
8 58 158 258 358 458 558 658 758 858 958
9 29 129 229 329 429 529 629 729 829 929
10 3 103 203 303 403 503 603 703 803 903
# ... with 790 more rows
答案 8 :(得分：1)
出于完整性考虑：
dplyr还可以通过以下方式提取一部分或一部分样品
df %>% sample_frac(0.33)
这非常方便，例如在机器学习中，当您必须要达到80％：20％的特定比例时
答案 9 :(得分：1)
您可以这样做：
sample_data = data[sample(nrow(data), sample_size, replace = FALSE), ]
答案 10 :(得分：0)
我是R语言的新手，但我使用的是一种适用于我的简单方法：
sample_of_diamonds <- diamonds[sample(nrow(diamonds),100),]
PS：请随时注意它是否存在我没有考虑的缺点。