从数据框中基于权重或概率抽取样本行

Question

我希望能够根据不同的概率从数据框中抽取3组数据（行）。例如，数据如下：

group<-c(1,1,1,2,2,3,3)
var1<-c('aa','ab','ac','ba','bb','ca','ce')
var2<-c('aaa','aba','aca','baa','bba','caa','cba')
var3<-c('aab','abb','acb','bab','bbb','cab','ceb')
data<-data.frame(group,var1,var2,var3)

现在我想从整个数据框中（获取行）根据不同的概率（对于group==1 -> 0.5，group==2 -> 0.4，group==3 -> 0.1）抽样（例如总共5个）。

有人知道如何用R解决这个问题吗？非常感谢您的帮助。祝好！

- Laura

Answer 1

可能有更直接的方法，可以通过by或split实现，并且可能有比我使用的变量名更好的选择，但这应该可以工作：

set.seed(4)
probs <- c(0.5, 0.4, 0.1)
grp_1Row_prob <- probs / table(data$group)
row_probs <- rep(grp_1Row_prob, times = table(data$group))
row_probs
# [1] 0.1666667 0.1666667 0.1666667 0.2000000 0.2000000 0.0500000 0.0500000

sampled_rows <- sample(1:NROW(data), size = 5, prob = row_probs)

data[sampled_rows, ]
#   group var1 var2 var3
# 2     1   ab  aba  abb
# 5     2   bb  bba  bbb
# 4     2   ba  baa  bab
# 1     1   aa  aaa  aab
# 6     3   ca  caa  cab

- JasonAizkalns

Answer 2

考虑使用来自dplyr的sample_n。

library(dplyr)

group<-c(1,1,1,2,2,3,3)
var1<-c('aa','ab','ac','ba','bb','ca','ce')
var2<-c('aaa','aba','aca','baa','bba','caa','cba')
var3<-c('aab','abb','acb','bab','bbb','cab','ceb')
data<-data.frame(group,var1,var2,var3)

sample_n(data, size = 5, weight = group)

#  group var1 var2 var3
#7     3   ce  cba  ceb
#2     1   ab  aba  abb
#4     2   ba  baa  bab
#6     3   ca  caa  cab
#3     1   ac  aca  acb

- tomp

---

我认为这样不会分配正确的权重/概率吧？使用 weight = group 会将组3的权重分配为2/7 = 0.2857，而不是问题中描述的所需的0.1。 - JasonAizkalns