डेटाफ्रेम में यादृच्छिक पंक्तियों का नमूना लें

Question

मैं उचित फ़ंक्शन को खोजने के लिए संघर्ष कर रहा हूं, जो आर भाषा में डेटा फ्रेम से प्रतिस्थापन के बिना यादृच्छिक रूप से उठाए गए पंक्तियों की एक निर्दिष्ट संख्या लौटाएगा? क्या कोई मेरी मदद कर सकता है?

Answer 1

पहले कुछ डेटा बनाएं:

> 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

फिर यादृच्छिक पर कुछ पंक्तियों का चयन करें:

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

Comments

देखें @nikhil यहाँ और यहाँ शुरुआत के लिए। आप ?sampleउस फ़ंक्शन के बारे में पढ़ने के लिए R कंसोल में भी टाइप कर सकते हैं ।

— जोरान

क्या कोई समझा सकता है कि नमूना (डीएफ, 3) काम क्यों नहीं करता है? आपको डीएफ [नमूना (एनआरएफ), 3),] की आवश्यकता क्यों है?

— stackoverflowuser2010

@ stackoverflowuser2010, आप नमूना टाइप कर सकते हैं और देख सकते हैं कि नमूना फ़ंक्शन में पहला तर्क एक वेक्टर या एक सकारात्मक पूर्णांक होना चाहिए। मुझे नहीं लगता कि इस मामले में एक डेटा.फ्रेम वेक्टर के रूप में काम करता है।

— डेविड ब्रौन

set.seed(42)हर बार उस विशिष्ट नमूने को पुन: पेश करने के लिए अपना बीज (जैसे ) सेट करना याद रखें ।

— कज़िनकोकेन

sample.intथोड़ा और तेज़ होगा, मेरा मानना ​​है कि:library(microbenchmark);microbenchmark( sample( 10000, 100 ), sample.int( 10000, 100 ), times = 10000 )

— अरी बी। फ्रीडमैन

Answer 2

जॉन कॉल्बी जो उत्तर देता है वह सही उत्तर है। हालाँकि अगर आप एक dplyrउपयोगकर्ता हैं तो इसका उत्तर भी है sample_n:

sample_n(df, 10)

बेतरतीब ढंग से डेटाफ़्रेम से 10 पंक्तियों के नमूने। यह कॉल करता है sample.int, इसलिए वास्तव में कम टाइपिंग के साथ एक ही उत्तर है (और मैग्रिट्र के संदर्भ में उपयोग को सरल करता है क्योंकि डेटाफ्रेम पहला तर्क है)।

Answer 3

एक लिखो! जेसी का उत्तर देने से मुझे उत्तर मिलता है:

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

अब पहले जांच करें कि n <= nrow (df) और किसी त्रुटि के साथ रुक कर इसे बेहतर बनाएं।

Answer 4

data.tableपैकेज समारोह प्रदान करता है DT[sample(.N, M)]डेटा तालिका से नमूने एम यादृच्छिक पंक्तियाँ, 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

Answer 5

बस पूर्णता के लिए:

dplyr भी नमूने के अनुपात या अंश को आकर्षित करने की पेशकश करता है

df %>% sample_frac(0.33)

यह बहुत सुविधाजनक है जैसे मशीन लर्निंग में जब आपको एक निश्चित विभाजन अनुपात करना होता है जैसे कि 80%: 20%

Answer 6

EDIT : यह उत्तर अब पुराना हो चुका है, अपडेट किया गया संस्करण देखें ।

में मेरी आर पैकेज मैं वृद्धि की है sampleतो के रूप में डेटा फ्रेम के लिए भी उम्मीद यह अब बर्ताव करता है कि:

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

यह एक S3 सामान्य विधि बनाकर और एक फ़ंक्शन में आवश्यक (तुच्छ) कार्यक्षमता प्रदान करके प्राप्त किया जाता है sample। setMethodसब कुछ ठीक करने के लिए एक कॉल । मूल कार्यान्वयन अभी भी के माध्यम से पहुँचा जा सकता है base::sample।

Comments

डेटा फ्रेम के अपने उपचार के बारे में क्या अप्रत्याशित है?

— एक अलग बेन

@adifferentben: जब मैं sample.default(df, ...)डेटा फ़्रेम के लिए कॉल करता हूं df, तो यह डेटा फ़्रेम के कॉलम से सैंपल करता है , क्योंकि डेटा फ़्रेम को उसी लंबाई के वैक्टर की सूची के रूप में लागू किया जाता है।

— krlmlr

क्या आपका पैकेज अभी भी उपलब्ध है? मैं दौड़कर install_github('kimisc', 'krlmlr')गया Error: Does not appear to be an R package (no DESCRIPTION)। उस के आसपास कोई रास्ता?

— टेराडन

@JorisMeys: "अपेक्षित" भाग को छोड़कर, सहमत। सिर्फ इसलिए कि डेटा फ्रेम को आंतरिक रूप से एक सूची के रूप में लागू किया जाता है, इसका मतलब यह नहीं है कि इसे एक के रूप में व्यवहार करना चाहिए । [डेटा फ्रेम के लिए ऑपरेटर प्रति एक है। इसके अलावा, कृपया मुझे बताएं: क्या आपने कभी भी, केवल एक बार, sampleडेटा फ्रेम से कॉलम का नमूना लिया है?

— krlmlr

@krlmlr [ऑपरेटर एक प्रतिरूप नहीं है: iris[2]एक सूची की तरह काम करता है, जैसा कि करता है iris[[2]]। या iris$Species, lapply(iris, mean)... डेटा फ़्रेम सूची हैं। इसलिए मैं उनसे उनके जैसा व्यवहार करने की उम्मीद करता हूं। और हाँ, मैंने वास्तव में नमूना (myDataframe) का उपयोग किया है। एक डेटासेट पर जहां हर चर में एक जीन का अभिव्यक्ति डेटा होता है। आपकी विशिष्ट विधि नौसिखिए उपयोगकर्ताओं की मदद करती है, लेकिन sample()व्यवहार को प्रभावी ढंग से बदलने में भी मदद करती है। नोट: मैं प्रोग्रामर के दृष्टिकोण से "अपेक्षित रूप से उपयोग करता हूं"। जो सामान्य अंतर्ज्ञान से अलग है। आर में बहुत कुछ है जो सामान्य अंतर्ज्ञान के साथ संगत नहीं है ...;)

— जॉरिस मेय्स

Answer 7

आउटडेटेड उत्तर। कृपया उपयोग करें dplyr::sample_frac()या dplyr::sample_n()इसके बजाय।

में मेरी आर पैकेज एक समारोह है sample.rowsसिर्फ इस उद्देश्य के लिए:

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

बढ़ाना sampleयह एक सामान्य S3 समारोह बनाकर एक को जोरिस Meys द्वारा टिप्पणियों के अनुसार, एक बुरा विचार था पिछले जवाब ।

Answer 8

R में टिबबल प्रकार से रैंडम सैंपल का चयन करें:

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

nrow एक टिबबल लेता है और पंक्तियों की संख्या लौटाता है। पारित होने वाला पहला पैरामीटर sampleआपके टिबले के अंत से 1 तक की सीमा है। नमूना, 150 के लिए पारित दूसरा पैरामीटर, कितने यादृच्छिक नमूने आप चाहते हैं। वर्ग ब्रैकेट स्लाइसिंग सूचकांकों की पंक्तियों को निर्दिष्ट करता है। परिवर्तनीय 'ए' को यादृच्छिक नमूने का मूल्य मिलता है।

Answer 9

आप ऐसा कर सकते हैं:

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

ऊपर मैंने सिर्फ 10 कॉलम और 100 पंक्तियों के साथ एक डेटाफ्रेम बनाया, ठीक है?

अब आप इसका नमूना ले सकते हैं 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

Answer 10

मैं आर में नया हूं, लेकिन मैं इस आसान तरीके का उपयोग कर रहा था जो मेरे लिए काम करता है:

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

पुनश्च: यह महसूस करने के लिए स्वतंत्र महसूस करें कि इसमें कुछ कमियां हैं जिनके बारे में मैं नहीं सोच रहा हूं।

Answer 11

आप ऐसा कर सकते हैं:

sample_data = data[sample(nrow(data), sample_size, replace = FALSE), ]