如何使用dplyr'将数据分为两组；塞迪夫酒店

我使用dplyr将一些数据简单地分解为训练和测试

当我做一个简单的例子时，效果非常好：

a = c(1, 2, 3, 4, 5, 6, 7, 8)
b = c("A", "B", "C", "D", "E", "F", "G", "H")

df = data.frame(a, b)

train = sample_frac(df, 0.8)
test = setdiff(df, train)

> nrow(train) + nrow(test) == nrow(df)
[1] TRUE

然而，当我尝试使用经典的UCI葡萄酒数据集做同样的事情时，我似乎没有得到相同的结果：

wine = read.csv("http://www.nd.edu/~mclark19/learn/data/goodwine.csv")

wine_train = sample_frac(wine, 0.8)
wine_test = setdiff(wine, wine_train)

> nrow(wine_train) + nrow(wine_test) == nrow(wine)
[1] FALSE
> nrow(wine_train) + nrow(wine_test)
[1] 6105
> nrow(wine)
[1] 6497

关于setdiff的行为我有什么遗漏吗

谢谢，

---

AG

可能是因为存在重复的行：

>any(duplicated(wine))
[1] TRUE

如果清理数据集：

drunk = wine[!duplicated(wine),]
drunk_train = sample_frac(drunk, 0.8)
drunk_test = setdiff(drunk, drunk_train)
nrow(drunk_test) + nrow(drunk_train) == nrow(drunk)
[1] TRUE

---

我同意，跟踪时出现了偷偷摸摸的错误！啊，非常感谢，我没想到要检查副本——谢谢！可悲的是，据我个人所知，我可以证明上校的回答是正确的。我花了好几个小时才找到它！我很感激新的

df

-将数据连接回现实世界哈哈