データフレーム内のランダムな行のサンプル


333

R言語のデータフレームから置換せずにランダムに取得した指定した数の行を返す適切な関数を見つけるのに苦労していますか?誰かが私を助けてくれますか?

回答:


445

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

4
@nikhil 手始めにここここを見てください。?sampleR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。
joran

10
sample(df、3)が機能しない理由を誰かが説明できますか?なぜdf [sample(nrow(df)、3)、]が必要なのですか?
stackoverflowuser2010 2014年

5
@ stackoverflowuser2010の場合、?sampleと入力すると、サンプル関数の最初の引数がベクトルまたは正の整数でなければならないことがわかります。この場合、data.frameはベクトルとして機能しないと思います。
David Braun

9
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。
CousinCocaine 14

2
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 )
アリB.フリードマン

199

ジョン・コルビーの答えは正解です。しかし、あなたがdplyrユーザーであれば、答えもありますsample_n

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。それはを呼び出すsample.intので、入力は少なくて同じ答えです(データフレームが最初の引数なので、magrittrのコンテキストでの使用が簡単になります)。


33

書いてください!JCの回答をラップすると、次のようになります。

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

ここで、最初にn <= nrow(df)かどうかをチェックし、エラーで停止することで、状況を改善します。


33

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

10

完全を期すために:

dplyrは、サンプルの比率または割合を描画することもできます。

df %>% sample_frac(0.33)

これは、機械学習など、80%:20%などの特定の分割比率を実行する必要がある場合に非常に便利です。


9

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。

、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


1
データフレームの処理について予期しないことは何ですか?
2013

2
@adifferentben: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からサンプリングされます。
krlmlr 2013

パッケージはまだ利用できますか?私は走っ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?
terdon 2013

1
@JorisMeys:「期待どおり」の部分を除いて同意。データフレームが内部的にリストとして実装されているからといって、それがリストとして動作する必要があるという意味ではありません。[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?
krlmlr 2013

1
@krlmlr [演算子は反例ではありません。iris[2]リストのように機能しiris[[2]]ます。それともiris$Specieslapply(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...;)
Joris Meys

8

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。

、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

sampleJoris 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。


5

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。


3

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

1

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。


0

あなたはこれを行うことができます:

sample_data = data[sample(nrow(data), sample_size, replace = FALSE), ]
弊社のサイトを使用することにより、あなたは弊社のクッキーポリシーおよびプライバシーポリシーを読み、理解したものとみなされます。
Licensed under cc by-sa 3.0 with attribution required.