在R中使用sample()创建多个训练子集

Question

我有一个训练数据集，它由60000个观察组成，我想要从其中创建9个子集训练集。我想在没有替换的情况下随机取样；我需要3个500个观测数据集，3个1000个观测数据集和3个2000个观测数据集。

​

​

我如何使用R中的sample()来完成这个任务？

Answer 1

如果您的data.frame被命名为df，那么您可以：

sample_sizes <- c(rep(500,3), rep(1000,3), rep(2000,3))
sampling <- sample(60000, sum(sample_sizes))
training_sets <- split(df[sampling,], rep(1:9, sample_sizes)) 

这可以在不替换所有数据集的情况下进行采样。如果希望在每个培训集中进行抽样而不进行替换(但不是通过所有培训集)：

sample_sizes <- c(rep(500,3), rep(1000,3), rep(2000,3))
sampling <- do.call(c, lapply(sample_sizes, function(i) sample(60000, i)))
training_sets <- split(df[sampling,], rep(1:9, sample_sizes)) 

Answer 2

如果您希望输出看起来像屏幕快照，我不肯定，但是如果是这样的话，您可以这样做：

library(tidyverse)

df <- tibble(rand = runif(6e4))

tibble(`Sample Size` = rep(c(500,1000,2000), each = 3)) |>
  mutate(name = rep(paste(c("First", "Second", "Third"), "Random Sample"), 3),
         samp = map2(`Sample Size`, row_number(), 
                     \(x,y) {set.seed(y); df[sample(1:nrow(df), size = x),]})) |>
  pivot_wider(names_from = name, values_from = samp)
#> # A tibble: 3 x 4
#>   `Sample Size` `First Random Sample` `Second Random Sample` Third Random Samp~1
#>           <dbl> <list>                <list>                 <list>             
#> 1           500 <tibble [500 x 1]>    <tibble [500 x 1]>     <tibble [500 x 1]> 
#> 2          1000 <tibble [1,000 x 1]>  <tibble [1,000 x 1]>   <tibble>           
#> 3          2000 <tibble [2,000 x 1]>  <tibble [2,000 x 1]>   <tibble>           
#> # ... with abbreviated variable name 1: `Third Random Sample`