Exemples de lignes aléatoires dans le cadre de données
J'ai du mal à trouver la fonction appropriée qui renverrait un nombre spécifié de lignes ramassées de manière aléatoire sans être remplacées par une trame de données en langage R? Quelqu'un peut m'aider?
D'abord faire des données:
> 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
Puis sélectionnez quelques lignes au hasard:
> df[sample(nrow(df), 3), ]
X1 X2
9 -0.3983045 0.7157506
2 -1.1334614 -0.1973846
10 -0.9060305 2.3234110
La réponse de John Colby est la bonne réponse. Toutefois, si vous êtes un utilisateur dplyr, il existe également la réponse sample_n:
sample_n(df, 10)
échantillonne au hasard 10 lignes de la base de données. Il appelle sample.int, la réponse est donc identique avec moins de saisie (et simplifie l'utilisation dans le contexte de magrittr puisque le cadre de données est le premier argument).
Écris-en un! Envelopper la réponse de JC me donne:
randomRows = function(df,n){
return(df[sample(nrow(df),n),])
}
Maintenant, faites mieux en vérifiant d’abord si n <= nrow (df) et en vous arrêtant avec une erreur.
Le package data.table fournit la fonction DT[sample(.N, M)], échantillonnant M lignes aléatoires de la table de données 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
EDIT: Cette réponse est maintenant obsolète, voir la version mise à jour .
Dans mon paquet R j’ai amélioré sample afin qu’il se comporte maintenant comme prévu également pour les trames de données:
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
Ceci est réalisé en faisant de sample une méthode générique S3 et en fournissant la fonctionnalité nécessaire (triviale) dans une fonction Un appel à setMethod corrige tout. L'implémentation d'origine est toujours accessible via base::sample.
Dans mon paquet R , il existe une fonction sample.rows rien que pour cela:
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
Améliorer sample en en faisant une fonction S3 générique était une mauvaise idée, selon les commentaires de Joris Meys à une réponse précédente .
Sélectionnez un échantillon aléatoire dans un type de tibble dans R:
library("tibble")
a <- your_tibble[sample(1:nrow(your_tibble), 150),]
nrow prend un tibble et renvoie le nombre de lignes. Le premier paramètre passé à sample est compris entre 1 et la fin de votre tibble. Le deuxième paramètre transmis à l'échantillon, 150, est le nombre d'échantillonnages aléatoires souhaités. Le découpage en crochets spécifie les lignes des index renvoyés. La variable 'a' obtient la valeur de l'échantillonnage aléatoire.
Je suis nouveau dans R, mais j'utilisais cette méthode simple qui fonctionne pour moi:
sample_of_diamonds <- diamonds[sample(nrow(diamonds),100),]
PS: N'hésitez pas à noter si cela présente un inconvénient auquel je ne pense pas.
Juste pour être complet:
dplyr propose également de prélever une proportion ou une fraction de l’échantillon par
df %>% sample_frac(0.33)
C'est très pratique, par exemple. en apprentissage automatique lorsque vous devez faire un certain ratio tel que 80%: 20%
Vous pourriez faire ceci:
library(tidyverse)
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
Ci-dessus, je viens de faire un cadre de données avec 10 colonnes et 1000 lignes, ok?
Maintenant, vous pouvez le goûter avec 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