R：用额外的术语创建数据分区

我有下面的data.frame（比下面的示例长）

我正在使用以下代码制作数据分区：

library("caret")
train = createDataPartition(df$group, p = 0.50)
partition = df[train, ]

因此，它从每组中选取一个概率为0.5的受试者。 我在下面这个例子中的问题是，有时会从d组中选择一个主题，有时则不会（因为d组非常小）。我想创建一个约束，在我创建的每个分区中，将从每个组中选择一个主题

有什么好办法吗

我想出了一个不太优雅的解决方案，如下所示：

allGroupSamles <- c()
for (i in unique(df$groups))
{
  allGroupSamles <- c(allGroupSamles , sample(rownames(df[df$groups == i, ]) , 1, replace = TRUE))
}
allGroupSamles <- as.integer(allGroupSamles )

train = createDataPartition(df$groups, p = 0.50)[[1]]
train <- c(allGroupSamles , train)

partition= df[unique(train), ]

---

allGroupSamles您可以对
数据框使用
split
，并在每组中抽取一半记录或1个样本，以较大者为准：

# apply a function over the split data.frame
samples <- lapply(split(df, df$group), function(x) {

  # the function takes a random sample of half the records in each group
  # by using `ceiling`, it guarantees at least one record
  s <- sample(nrow(x), ceiling(nrow(x)/2))
  x[s,]
})

train <- do.call(rbind, samples)

#在split data.frame上应用函数
样本签出
库（dplyr）
。我认为
groupby（）
和
sample\n（）
符合你的目的。哇。。那太好了。。我的解决方案是可行的，但远没有这个好。。太棒了。如果我在100次迭代中迭代这些行，你认为我应该从tapply中提取函数吗？我不确定性能差异会是什么。我会用两种方法测试它，并使用
microbenchmark
库比较执行时间。我不认为
R
每次迭代都在重新定义函数，如果这是您所关心的
# apply a function over the split data.frame
samples <- lapply(split(df, df$group), function(x) {

  # the function takes a random sample of half the records in each group
  # by using `ceiling`, it guarantees at least one record
  s <- sample(nrow(x), ceiling(nrow(x)/2))
  x[s,]
})

train <- do.call(rbind, samples)

s <- tapply(1:nrow(df), df$group, function(x) {
  sample(x, ceiling(length(x)/2))
})

do.call(c, s)