如何从数据表中提取几行随机行？

Question

我有一个大的数据表格（约24000行且不断增长）。 我想基于一些标准对该数据表格进行子集，从该子集（最终仅约3000行）中，我希望随机抽取4行。 我不想创建一个带有3000个或更多行的命名数据表格，计算其行数，然后基于行号进行抽样。 我应该如何即时处理它？还是说我应该接受创建数据表格并在其上操作、抽样，然后使用 rm（） 来清除它?

让我们模拟我的问题

require(data.table)
random.length  <-  sample(x = 15:30, size = 1)
data.table(city=sample(c("Cape Town", "New York", "Pittsburgh", "Tel Aviv", "Amsterdam"), size=random.length, replace = TRUE), score = sample(x=1:10, size = random.length, replace=TRUE)) 

这将生成一个随机长度的表格，模拟了根据我的标准和起始表格，我不知道子集表格的长度会是多少的事实。

现在，如果我只想要前三行，我可以这样做

data.table(city=sample(c("Cape Town", "New York", "Pittsburgh", "Tel Aviv", "Amsterdam"), size=random.length, replace = TRUE), score = sample(x=1:10, size = random.length, replace=TRUE))[1:3]

但是假设我不想要前三行，而是想要随机选取三行，那么我会这样做...

data.table(city=sample(c("Cape Town", "New York", "Pittsburgh", "Tel Aviv", "Amsterdam"), size=random.length, replace = TRUE), score = sample(x=1:10, size = random.length, replace=TRUE))[sample(x= 1:number of rows of that previous data.table,size = 3 ]

那样做行不通。我该如何动态计算初始数据框的长度？

- Farrel

Answer 1

刚刚在i中让.N起作用。新的README项：

.N现在可以在i中使用，参见FR＃724。感谢这里的新手间接以及这里的Farrel直接的帮助。

现在它有效了：

DT[...][...][sample(.N,3)]

> random.length  <-  sample(x = 15:30, size = 1)
> data.table(city = sample(c("Cape Town", "New York", "Pittsburgh", "Tel Aviv", "Amsterdam"),size=random.length, replace = TRUE), score = sample(x=1:10, size = random.length, replace=TRUE))[sample(.N, 3)] 
         city score
1:   New York     4
2: Pittsburgh     3
3:  Cape Town     9
> 

- Matt Dowle

---

太好了，非常好。谢谢你。这正是我想要的。我意识到我需要从GitHub安装最新版本。我遇到了“pdflatex不可用”的问题。我在某个地方读到了关于build_vignettes=F参数的内容，之后一切都很顺利了。install_github("data.table", "Rdatatable", build_vignettes=F) - Farrel

为什么不直接使用 DT[sample(.N,3)] ？ - Ufos

@ufos，“[...][...]”部分只是为了传达在链式操作中通用的情况，“.N”指的是链式操作的最后一部分（而不是链式操作开头的原始“DT”）。这种通用情况也适用于“DT[sample(.N,3)]”。 - Matt Dowle

@MattDowle 你如何进行无重复抽样？ - Herman Toothrot

@HermanToothrot sample(.N,3) 已经进行了无重复抽样。要进行有重复的抽样，请使用sample(.N,3,replace=TRUE)。请参阅?sample。 - Matt Dowle

Answer 2

这里有一个两步骤的方法：

1. 使用 .I 计算索引i
2. 在索引i上进行抽样

示例代码。

require(data.table)
random.length  <-  sample(x = 15:30, size = 1)
data.table(city = sample(c("Cape Town", "New York", "Pittsburgh", "Tel Aviv", "Amsterdam"),size=random.length, replace = TRUE), score = sample(x=1:10, size = random.length, replace=TRUE))[,i := .I][sample(i, 3)]

- djhurio

Answer 3

另一种替代方式是使用 sapply 方法。
例如：

  as.data.table(sapply(DT[], sample, 10))

- Daniel

---

不错，谢谢。但请注意，这样做无法保留数据类型。我得到的每一列都被转换为数字。 - Sara