R 将70%的数据采样到新的数据帧中
我一定是做错了什么。我正在尝试创建一个新的数据帧，随机抽样我的主数据帧的70%——carsdataR 将70%的数据采样到新的数据帧中,r,R,我一定是做错了什么。我正在尝试创建一个新的数据帧，随机抽样我的主数据帧的70%——carsdata set.seed(80915974) my.sample.70=carsdata[sample(carsdata)*.7, replace = TRUE] 我们可以使用切片样品 使用可复制的示例 mtcars %>% slice_sample(prop = 0.7) # mpg cyl disp hp drat wt qsec
set.seed(80915974)
my.sample.70=carsdata[sample(carsdata)*.7, replace = TRUE]
mtcars %>%
slice_sample(prop = 0.7)
# mpg cyl disp hp drat wt qsec vs am gear carb
#Hornet Sportabout 18.7 8 360.0 175 3.15 3.440 17.02 0 0 3 2
#Volvo 142E 21.4 4 121.0 109 4.11 2.780 18.60 1 1 4 2
#Merc 450SL 17.3 8 275.8 180 3.07 3.730 17.60 0 0 3 3
#Pontiac Firebird 19.2 8 400.0 175 3.08 3.845 17.05 0 0 3 2
#Honda Civic 30.4 4 75.7 52 4.93 1.615 18.52 1 1 4 2
#Merc 230 22.8 4 140.8 95 3.92 3.150 22.90 1 0 4 2
#Chrysler Imperial 14.7 8 440.0 230 3.23 5.345 17.42 0 0 3 4
#Cadillac Fleetwood 10.4 8 472.0 205 2.93 5.250 17.98 0 0 3 4
#Camaro Z28 13.3 8 350.0 245 3.73 3.840 15.41 0 0 3 4
#Mazda RX4 21.0 6 160.0 110 3.90 2.620 16.46 0 1 4 4
#Merc 280C 17.8 6 167.6 123 3.92 3.440 18.90 1 0 4 4
#Dodge Challenger 15.5 8 318.0 150 2.76 3.520 16.87 0 0 3 2
#Lotus Europa 30.4 4 95.1 113 3.77 1.513 16.90 1 1 5 2
#Toyota Corona 21.5 4 120.1 97 3.70 2.465 20.01 1 0 3 1
#Merc 240D 24.4 4 146.7 62 3.69 3.190 20.00 1 0 4 2
#Hornet 4 Drive 21.4 6 258.0 110 3.08 3.215 19.44 1 0 3 1
#Fiat X1-9 27.3 4 79.0 66 4.08 1.935 18.90 1 1 4 1
#Ferrari Dino 19.7 6 145.0 175 3.62 2.770 15.50 0 1 5 6
#Merc 280 19.2 6 167.6 123 3.92 3.440 18.30 1 0 4 4
#AMC Javelin 15.2 8 304.0 150 3.15 3.435 17.30 0 0 3 2
#Lincoln Continental 10.4 8 460.0 215 3.00 5.424 17.82 0 0 3 4
#Mazda RX4 Wag 21.0 6 160.0 110 3.90 2.875 17.02 0 1 4 4
mtcars %>%
slice_sample(prop = 0.7)
# mpg cyl disp hp drat wt qsec vs am gear carb
#Hornet Sportabout 18.7 8 360.0 175 3.15 3.440 17.02 0 0 3 2
#Volvo 142E 21.4 4 121.0 109 4.11 2.780 18.60 1 1 4 2
#Merc 450SL 17.3 8 275.8 180 3.07 3.730 17.60 0 0 3 3
#Pontiac Firebird 19.2 8 400.0 175 3.08 3.845 17.05 0 0 3 2
#Honda Civic 30.4 4 75.7 52 4.93 1.615 18.52 1 1 4 2
#Merc 230 22.8 4 140.8 95 3.92 3.150 22.90 1 0 4 2
#Chrysler Imperial 14.7 8 440.0 230 3.23 5.345 17.42 0 0 3 4
#Cadillac Fleetwood 10.4 8 472.0 205 2.93 5.250 17.98 0 0 3 4
#Camaro Z28 13.3 8 350.0 245 3.73 3.840 15.41 0 0 3 4
#Mazda RX4 21.0 6 160.0 110 3.90 2.620 16.46 0 1 4 4
#Merc 280C 17.8 6 167.6 123 3.92 3.440 18.90 1 0 4 4
#Dodge Challenger 15.5 8 318.0 150 2.76 3.520 16.87 0 0 3 2
#Lotus Europa 30.4 4 95.1 113 3.77 1.513 16.90 1 1 5 2
#Toyota Corona 21.5 4 120.1 97 3.70 2.465 20.01 1 0 3 1
#Merc 240D 24.4 4 146.7 62 3.69 3.190 20.00 1 0 4 2
#Hornet 4 Drive 21.4 6 258.0 110 3.08 3.215 19.44 1 0 3 1
#Fiat X1-9 27.3 4 79.0 66 4.08 1.935 18.90 1 1 4 1
#Ferrari Dino 19.7 6 145.0 175 3.62 2.770 15.50 0 1 5 6
#Merc 280 19.2 6 167.6 123 3.92 3.440 18.30 1 0 4 4
#AMC Javelin 15.2 8 304.0 150 3.15 3.435 17.30 0 0 3 2
#Lincoln Continental 10.4 8 460.0 215 3.00 5.424 17.82 0 0 3 4
#Mazda RX4 Wag 21.0 6 160.0 110 3.90 2.875 17.02 0 1 4 4
使用子集+样本的另一个基本R选项
使用子集+样本的另一个基本R选项
是的，我明白了。非常感谢。我使用了基本的R，它工作得很好。@akrun。简单有效的方法与基地R！但是值得注意的是，这种方法可能不会创建随机样本，因为选择仅限于前70%的行-可能会引入样本偏差。@Pittoro是对的，应该是SampleRowCarsData，nrowcarsdata*0.7，对整个数据帧的70%进行采样，不重复。是的，我明白了。非常感谢。我使用了基本的R，它工作得很好。@akrun。简单有效的方法与基地R！但值得注意的是，这种方法可能不会创建随机样本，因为选择仅限于前70%的行-可能会引入样本偏差。@Pittoro是对的，应该是SampleRowCarsData，nrowcarsdata*0.7，对整个数据帧的70%进行采样，不重复。
mtcars %>%
slice_sample(prop = 0.7)
# mpg cyl disp hp drat wt qsec vs am gear carb
#Hornet Sportabout 18.7 8 360.0 175 3.15 3.440 17.02 0 0 3 2
#Volvo 142E 21.4 4 121.0 109 4.11 2.780 18.60 1 1 4 2
#Merc 450SL 17.3 8 275.8 180 3.07 3.730 17.60 0 0 3 3
#Pontiac Firebird 19.2 8 400.0 175 3.08 3.845 17.05 0 0 3 2
#Honda Civic 30.4 4 75.7 52 4.93 1.615 18.52 1 1 4 2
#Merc 230 22.8 4 140.8 95 3.92 3.150 22.90 1 0 4 2
#Chrysler Imperial 14.7 8 440.0 230 3.23 5.345 17.42 0 0 3 4
#Cadillac Fleetwood 10.4 8 472.0 205 2.93 5.250 17.98 0 0 3 4
#Camaro Z28 13.3 8 350.0 245 3.73 3.840 15.41 0 0 3 4
#Mazda RX4 21.0 6 160.0 110 3.90 2.620 16.46 0 1 4 4
#Merc 280C 17.8 6 167.6 123 3.92 3.440 18.90 1 0 4 4
#Dodge Challenger 15.5 8 318.0 150 2.76 3.520 16.87 0 0 3 2
#Lotus Europa 30.4 4 95.1 113 3.77 1.513 16.90 1 1 5 2
#Toyota Corona 21.5 4 120.1 97 3.70 2.465 20.01 1 0 3 1
#Merc 240D 24.4 4 146.7 62 3.69 3.190 20.00 1 0 4 2
#Hornet 4 Drive 21.4 6 258.0 110 3.08 3.215 19.44 1 0 3 1
#Fiat X1-9 27.3 4 79.0 66 4.08 1.935 18.90 1 1 4 1
#Ferrari Dino 19.7 6 145.0 175 3.62 2.770 15.50 0 1 5 6
#Merc 280 19.2 6 167.6 123 3.92 3.440 18.30 1 0 4 4
#AMC Javelin 15.2 8 304.0 150 3.15 3.435 17.30 0 0 3 2
#Lincoln Continental 10.4 8 460.0 215 3.00 5.424 17.82 0 0 3 4
#Mazda RX4 Wag 21.0 6 160.0 110 3.90 2.875 17.02 0 1 4 4
subset(carsdata,sample(c(TRUE, FALSE), nrow(carsdata), replace = TRUE, prob = c(0.7, 0.3)))