回答:
まず、いくつかのデータを作成します。
> 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
set.seed(42)
特定のサンプルを複製するたびに、シード(例:)を設定することを忘れないでください。
sample.int
わずかに速いだろう、私は信じている:library(microbenchmark);microbenchmark( sample( 10000, 100 ), sample.int( 10000, 100 ), times = 10000 )
data.table
パッケージには、機能を提供しDT[sample(.N, M)]
、データテーブルからMランダム行をサンプリングし、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
編集:この回答は古くなっています。更新されたバージョンを参照してください。
で、私のRパッケージ私が強化されてきたsample
データフレームのためにも、予想通り、それは今すぐに動作するよう:
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、S3ジェネリックメソッドを作成し、関数に必要な(簡単な)機能を提供することで実現されsample
ます。setMethod
すべてを修正するための呼び出し。元の実装には、引き続きからアクセスできますbase::sample
。
sample.default(df, ...)
データフレームを呼び出すと、データフレームは同じ長さのベクトルのリストとして実装されるため、データフレームdf
の列からサンプリングされます。
install_github('kimisc', 'krlmlr')
て得たError: Does not appear to be an R package (no DESCRIPTION)
。それを回避する方法はありますか?
[
データフレームの演算子は反例です。また、私に教えてください:sample
データフレームから列をサンプリングするために一度だけ使用したことがありますか?
iris[2]
リストのように機能しiris[[2]]
ます。それともiris$Species
、lapply(iris, mean)
、...データフレームがリストされています。だから私は彼らが彼らのように振る舞うことを期待しています。そして、はい、私は実際にsample(myDataframe)を使用しました。すべての変数が単一の遺伝子の発現データを含むデータセット。あなたの特定の方法は初心者ユーザーを助けるだけでなく、sample()
振る舞いを効果的に変えることにもなります。注プログラマの観点からは「期待どおり」を使用しています。一般的な直感とは異なります。Rには、一般的な直感と互換性のないものがたくさんあります...;)
時代遅れの答え。
dplyr::sample_frac()
またはdplyr::sample_n()
代わりに使用してください。
で、私のRパッケージの機能があるsample.rows
だけで、この目的のためには:
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
sample
Joris Meysによる以前の回答へのコメントによれば、それを汎用のS3関数にすることで強化することは悪い考えでした。
Rのティ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はティブルを受け取り、行数を返します。渡される最初のパラメーターsample
は、1からティブルの終わりまでの範囲です。sampleに渡される2番目のパラメーター150は、必要なランダムサンプリングの数です。角括弧のスライスは、返されるインデックスの行を指定します。変数「a」は、ランダムサンプリングの値を取得します。
あなたはこれを行うことができます:
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列と100行のデータフレームを作成しました。
今、あなたはそれを使ってそれをサンプリングすることができますsample_n
:
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
私はRの新人ですが、次の簡単な方法でうまくいきました。
sample_of_diamonds <- diamonds[sample(nrow(diamonds),100),]
PS:私が考えていないいくつかの欠点がある場合は、お気軽にお知らせください。
?sample
Rコンソールに入力して、その関数について読むこともできます。