Zufällig Probe der Prozentsatz von Zeilen in einem Daten-frame

Bezug auf diese Frage.

gender <- c("F", "M", "M", "F", "F", "M", "F", "F")
age    <- c(23, 25, 27, 29, 31, 33, 35, 37)
mydf <- data.frame(gender, age) 

mydf[ sample( which(mydf$gender=='F'), 3 ), ]

Statt der Auswahl einer Anzahl von Zeilen (3 in obigen Fall), wie kann ich eine zufällige Auswahl von 20% der Zeilen mit "F"? Also die fünf Zeilen mit "F", wie ich zufällig Probe 20% dieser Zeilen.

InformationsquelleAutor ATMathew | 2013-02-22

  1. 11

    Wie wäre es damit:

    mydf[ sample( which(mydf$gender=='F'), round(0.2*length(which(mydf$gender=='F')))), ]

    Wo 0.2 ist Ihre 20% und length(which(mydf$gender=='F')) ist die Gesamtzahl der Zeilen, die mit F

    +1, aber nicht daran, dass 20% etwas anderes als ein integer, also mit Runde benötigt werden würde.
    guter Punkt, danke, hab ich Hinzugefügt, dass in. Durch die Art und Weise, Ihnen fehlt ein Komma, und schließen eckige Klammer in Ihre Antwort

    InformationsquelleAutor Ben

  2. 11

    Können Sie sample_frac() Funktion in dplyr Paket.

    z.B.
    Wenn Sie möchten, um eine Probe von 20 % in jeder Gruppe:

    mydf %>% sample_frac(.2)

    Wenn Sie möchten, um eine Probe von 20% innerhalb von jedem Geschlecht Gruppe:

    mydf %>% group_by(gender) %>% sample_frac(.2)

    InformationsquelleAutor Zhen Liang

  3. 3

    Self-promotion aufmerksam. Ich schrieb eine Funktion, die es ermöglicht bequem stratified sampling, und ich habe enthalten eine option, um die Teilmenge Ebenen, von der Gruppierung der Variablen vor der Probenahme.

    Die Funktion aufgerufen wird stratified und kann verwendet werden, haben Sie folgende Möglichkeiten:

    set.seed(1)
# Proportional sample
stratified(mydf, group="gender", size=.2, select=list(gender = "F"))
#   gender age
# 4      F  29
# Fixed-size sampling
stratified(mydf, group="gender", size=2, select=list(gender = "F"))
#   gender age
# 4      F  29
# 5      F  31

    Können Sie mehrere Gruppen (zum Beispiel wenn Sie Ihr Daten-frame enthalten ist ein "state" - variable und Sie wollte die Gruppe von "Staat" und "Geschlecht" würden Sie group = c("state", "gender")). Sie können auch angeben, mehrere "select" - Argumente (zum Beispiel, wenn Sie wollten nur die weiblichen Befragten aus Kalifornien und Texas, und dein "state" - variable verwendet, die aus zwei Buchstaben Zustand Abkürzung, könnten Sie select = list(gender = "F", state = c("CA", "TX"))).

    Selbst die Funktion gefunden werden kann hier, oder Sie können herunterladen und installieren Sie das Paket (die haben Sie bequemen Zugang zu den Hilfe-Seiten und Beispielen) mit install_github von der "devtools" - Paket wie folgt:

    # install.packages("devtools")
library(devtools)
install_github("mrdwabmisc", "mrdwab")

    InformationsquelleAutor A5C1D2H2I1M1N2O1R2T1

  4. 2

    Zum Beispiel 20%, können Sie diese verwenden, um die sample-Größe:

    n = round(0.2 * nrow(mydf[mydf$gender == "F",]))
    Ja, ich war in der Lage, das zu tun, aber das ist eine Datei, die die automatisierten und jede Stunde ausgeführt, so kann ich nicht wirklich gehen, und passen Sie die Werte w/o schreiben eine andere Funktion, w/ einer if-else-Anweisung. Dachte es wäre ein einfacher Ansatz
    Das ist genau die Antwort auf Ihre Frage, wenn Sie Ihre Frage anders ist, bitte editieren Sie in mehr details.
    Jemand darauf zu kommentieren, der downvote? Diese Antwort genau die Frage beantwortet.

    InformationsquelleAutor Paul Hiemstra

Schreibe einen Kommentar