web-dev-qa-db-ja.com

データフレーム内のサンプルランダム行

R言語のデータフレームから置き換えずにランダムに選択した行数を指定して返す適切な関数を見つけるのに苦労していますか？誰かが私を手伝ってくれる？

rdataframesampler-faq
280
nikhil

まずいくつかのデータを作ります。

> 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

次に、いくつかの行をランダムに選択します。

> df[sample(nrow(df), 3), ]
           X1         X2
9  -0.3983045  0.7157506
2  -1.1334614 -0.1973846
10 -0.9060305  2.3234110
381
John Colby

ジョンコルビーの答えは正しい答えです。しかし、あなたがdplyrユーザーであれば、答えsample_nもあります。

sample_n(df, 10)

データフレームから10行をランダムにサンプリングします。これはsample.intを呼び出すので、実際には入力が少なくても同じ答えになります（データフレームが最初の引数になるため、magrittrのコンテキストでの使用が簡単になります）。

159
kasterma

書いて！ JCの回答をまとめると、次のようになります。

randomRows = function(df,n){
   return(df[sample(nrow(df),n),])
}

N <= nrow（df）であるかどうかを最初にチェックし、エラーで停止することによって、今より良くします。

30
Spacedman

data.tableパッケージは関数DT[sample(.N, M)]を提供し、データテーブルDTからM個のランダムな行をサンプリングします。

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
25
gented

_ edit _ ：この答えは古くなっています。 更新版を見てください 。

私のRパッケージsampleが拡張され、データフレームに対しても期待通りに振る舞うようになりました。

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

これは 達成sampleをS3の一般的なメソッドにして、必要な（ささいな）機能を関数に提供することによって実現されます。 setMethodを呼び出すことですべてが修正されます。オリジナルの実装はまだbase::sampleを通してアクセスすることができます。

8
krlmlr

私のRパッケージ には、この目的のためだけにsample.rowsという関数があります。

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

Joris Meysによる 前回の回答 ）のコメントによると、sampleを一般的なS3関数にすることで拡張するのは悪い考えでした。

4
krlmlr

Rのチブルタイプからランダムサンプルを選択します。 

library("tibble")    
a <- your_tibble[sample(1:nrow(your_tibble), 150),]

nrowはtibbleを取り、行数を返します。 sampleに渡される最初のパラメータは1からあなたのチブルの終わりまでの範囲です。 sampleに渡される2番目のパラメータ150は、ランダムサンプリングの数です。角括弧スライスは、返されるインデックスの行を指定します。変数 'a'は無作為抽出の値を取得します。

4
Eric Leschinski

あなたはこれをすることができます：

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

上記で、10列1000行のデータフレームを作成しました。

これでsample_nを使ってサンプリングできます。

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
1
igorkf

私はRの新人です、しかし私は私のために働くこの簡単な方法を使っていました：

sample_of_diamonds <- diamonds[sample(nrow(diamonds),100),]

シモンズ：私が考えていないいくつかの欠点があるかどうかに注意してください。

0
Leopoldo Sanczyk

完全を期すために：

dplyrはまた、サンプルの一部または一部を次のように描画します。

df %>% sample_frac(0.33)

これはとても便利です。機械学習では、80％：20％のような特定の分割比率を使用する必要がある場合

0
Agile Bean