Przykładowe losowe wiersze w ramce danych
Mam problem ze znalezieniem odpowiedniej funkcji, która zwróci określoną liczbę wierszy pobranych losowo bez zastępowania z ramki danych w języku R? Czy ktoś może mi pomóc?
7 answers
Najpierw zrób jakieś dane:
> 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
Następnie wybierz kilka wierszy losowo:
> df[sample(nrow(df), 3), ]
X1 X2
9 -0.3983045 0.7157506
2 -1.1334614 -0.1973846
10 -0.9060305 2.3234110
Warning: date(): Invalid date.timezone value 'Europe/Kyiv', we selected the timezone 'UTC' for now. in /var/www/agent_stack/data/www/doraprojects.net/template/agent.layouts/content.php on line 54
2011-11-25 19:15:13
Odpowiedź, którą daje John Colby, jest prawidłowa. Jeśli jednak jesteś użytkownikiem dplyr
Istnieje również odpowiedź sample_n
:
sample_n(df, 10)
Losowo próbki 10 wierszy z ramki danych. Wywołuje sample.int
, więc tak naprawdę jest to ta sama odpowiedź z mniejszą ilością wpisywania (i upraszcza użycie w kontekście magrittr, ponieważ ramka danych jest pierwszym argumentem).
Warning: date(): Invalid date.timezone value 'Europe/Kyiv', we selected the timezone 'UTC' for now. in /var/www/agent_stack/data/www/doraprojects.net/template/agent.layouts/content.php on line 54
2016-09-26 19:16:33
Napisz jeden! Odpowiedź JC daje mi:
randomRows = function(df,n){
return(df[sample(nrow(df),n),])
}
Teraz zrób to lepiej, sprawdzając najpierw, czy N
Warning: date(): Invalid date.timezone value 'Europe/Kyiv', we selected the timezone 'UTC' for now. in /var/www/agent_stack/data/www/doraprojects.net/template/agent.layouts/content.php on line 54
2011-11-25 19:21:29
Pakiet data.table
dostarcza funkcję DT[sample(.N, M)]
, pobierając M losowe wiersze z tabeli danych DT
.
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
Warning: date(): Invalid date.timezone value 'Europe/Kyiv', we selected the timezone 'UTC' for now. in /var/www/agent_stack/data/www/doraprojects.net/template/agent.layouts/content.php on line 54
2015-12-03 10:09:39
EDIT : ta odpowiedź jest już nieaktualna, zobacz zaktualizowaną wersję .
W moim pakiecie R udoskonaliłem sample
tak, że teraz zachowuje się tak, jak oczekiwano również dla ramek danych:
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
Jest to osiągnięte przez stworzenie sample
metody ogólnej S3 i dostarczenie niezbędnej (trywialnej) funkcjonalności w funkcji. Wezwanie do setMethod
naprawia wszystko. Oryginalna implementacja nadal jest dostępna poprzez base::sample
.
Warning: date(): Invalid date.timezone value 'Europe/Kyiv', we selected the timezone 'UTC' for now. in /var/www/agent_stack/data/www/doraprojects.net/template/agent.layouts/content.php on line 54
2017-05-23 12:18:21
W moim pakiecie R istnieje funkcja sample.rows
właśnie w tym celu:
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
Wzmocnienie sample
poprzez uczynienie z niej ogólnej funkcji S3 było złym pomysłem, zgodnie z komentarzem Jorisa Meysa do poprzedniej odpowiedzi .
Warning: date(): Invalid date.timezone value 'Europe/Kyiv', we selected the timezone 'UTC' for now. in /var/www/agent_stack/data/www/doraprojects.net/template/agent.layouts/content.php on line 54
2017-05-23 12:26:32
Wybierz losową próbkę z typu tibble w R:
library("tibble")
a <- your_tibble[sample(1:nrow(your_tibble), 150),]
Nrow pobiera piszczałkę i zwraca liczbę wierszy. Pierwszy parametr przekazany do sample
to zakres od 1 do końca Twojej piszczałki. Drugi parametr przekazany do próbki, 150, to liczba losowych próbek, które chcesz. Przekrojenie nawiasu kwadratowego określa wiersze zwracanych indeksów. Zmienna " a " otrzymuje wartość losowego próbkowania.
Warning: date(): Invalid date.timezone value 'Europe/Kyiv', we selected the timezone 'UTC' for now. in /var/www/agent_stack/data/www/doraprojects.net/template/agent.layouts/content.php on line 54
2017-02-11 09:04:15