R 从分组数据集中随机拆分数据

以下是我的数据集示例

plotID  Rs.ten  Corr.Rs
1   4.7 2.434437263
1   5.4 2.753744943
1   4   2.044908476
1   0   1.19251
1   1.2 1.84929
1   1.7 1.0755
1   2   1.55399
1   4.5 1.45883
1   3   1.12485
1   4.4 1.92245
1   3.6 1.77914
2   -8.0    0.027792795
2   0.2 0.988443802
2   3.5 0.937311439
2   4   1.007496802
2   5.6 1.738293766
2   6.5 1.722974764
2   6.4 1.590481774
2   5.5 1.097063592
2   5.2 1.389683585
2   6.4 1.392490686
2   6.6 1.812855123
2   5   1.42508238
2   0.4 0.90678
2   3.1 1.00162
2   2.7 0.7914
2   5.9 0.81313
2   4.9 0.89668
2   6.3 1.25597
2   4.7 1.03459
3   5   2.265195289
3   5.3 1.655801734
3   4.4 3.593587609
3   4   3.668348047
3   5.2 2.459742028
3   4.3 3.128687638
3   0.7 2.55316
3   3   2.5708
3   2.8 1.34671
3   2.6 1.90105
3   5.6 1.56052
3   4.2 2.26067
3   4.7 2.22488
3   3.7 2.91198

我有36个组，由

plotID

表示。我想为每个组（

plotID

）将数据集拆分为培训和测试数据集（分别为60/40）

换句话说，我需要一个函数，该函数将从

plotID

1、

plotID

2、

plotID

3等中随机选择60%的数据进行训练，并将每个

plotID

中剩余的40%留作测试。我使用了以下链接，但这只是将整个数据集60/40拆分为组的总数，而不是从每个组中拆分

似乎我错过了一些简单的东西，但我就是看不到

提前感谢您的帮助。

您可以使用sample（）

---

您可以将密钥向量作为x传递给数据，并从中获取子集，以便从数据中获取子集。

您可以使用我的“splitstackshape”软件包中的

分层功能：

以下是您共享的60%示例数据的外观（就每组的元素数而言）：

加载“splitstackshape”并绘制样本：

> library(splitstackshape)
> out <- stratified(mydf, "plotID", .6, bothSets = TRUE)


通常，将相关数据保存在一个
列表中比较方便，但如果需要单独的对象，可以使用
list2env
，如下所示：

请注意，我从工作区中的一个对象开始：

ls()
# [1] "mydf"
list2env(stratified(mydf, "plotID", .6, bothSets = TRUE), envir = .GlobalEnv)
# <environment: R_GlobalEnv>

这个怎么样

set.seed(123)
ind_train <- lapply(split(seq(1:nrow(df)), df$plotID), function(x) sample(x, floor(.6*length(x))))
ind_test <- mapply(function(x,y) setdiff(x,y), x = split(seq(1:nrow(df)), df$plotID), y = ind_train)

库（plyr）
种子集（1234）
拆分您的包非常有用。然而，我似乎不知道如何使用
重塑
函数将每个data.table放入一个单独的数据框中。也许我误解了这个函数？可以用这个例子演示吗？@woodland\u生物，在环境设置为
.GlobalEnv
的情况下从R基地使用。我现在正在用手机发帖，否则我会用一个例子来更新。@woodland_，我已经更新了我的答案来说明如何将两个数据表作为单独的对象来获取。明白了。是的，那也行。谢谢你在这件事上的帮助。
> str(out)
List of 2
 $ SAMP1:Classes ‘data.table’ and 'data.frame': 26 obs. of  3 variables:
  ..$ plotID : int [1:26] 1 1 1 1 1 1 1 2 2 2 ...
  ..$ Rs.ten : num [1:26] 2 4.4 3.6 3 4 0 4.7 5.9 6.5 6.4 ...
  ..$ Corr.Rs: num [1:26] 1.55 1.92 1.78 1.12 2.04 ...
  ..- attr(*, ".internal.selfref")=<externalptr> 
 $ SAMP2:Classes ‘data.table’ and 'data.frame': 18 obs. of  3 variables:
  ..$ plotID : int [1:18] 1 1 1 1 2 2 2 2 2 2 ...
  ..$ Rs.ten : num [1:18] 5.4 1.2 1.7 4.5 -8 3.5 5.2 5 0.4 3.1 ...
  ..$ Corr.Rs: num [1:18] 2.7537 1.8493 1.0755 1.4588 0.0278 ...
  ..- attr(*, "sorted")= chr "plotID"
  ..- attr(*, ".internal.selfref")=<externalptr> 
> lapply(out, function(x) table(x$plotID))
$SAMP1

 1  2  3 
 7 11  8 

$SAMP2

1 2 3 
4 8 6 

ls()
# [1] "mydf"
list2env(stratified(mydf, "plotID", .6, bothSets = TRUE), envir = .GlobalEnv)
# <environment: R_GlobalEnv>

ls()
# [1] "mydf"  "SAMP1" "SAMP2"
head(SAMP1)
#    plotID Rs.ten  Corr.Rs
# 1:      1    2.0 1.553990
# 2:      1    1.7 1.075500
# 3:      1    4.5 1.458830
# 4:      1    3.6 1.779140
# 5:      1    4.0 2.044908
# 6:      1    5.4 2.753745
nrow(SAMP1)
# [1] 26
head(SAMP2)
#    plotID Rs.ten  Corr.Rs
# 1:      1    4.7 2.434437
# 2:      1    1.2 1.849290
# 3:      1    3.0 1.124850
# 4:      1    4.4 1.922450
# 5:      2    4.0 1.007497
# 6:      2    5.5 1.097064
> nrow(SAMP2)
# [1] 18

set.seed(123)
ind_train <- lapply(split(seq(1:nrow(df)), df$plotID), function(x) sample(x, floor(.6*length(x))))
ind_test <- mapply(function(x,y) setdiff(x,y), x = split(seq(1:nrow(df)), df$plotID), y = ind_train)

 df[unlist(ind_test),]
   plotID Rs.ten    Corr.Rs
2       1    5.4 2.75374494
3       1    4.0 2.04490848
5       1    1.2 1.84929000
6       1    1.7 1.07550000
9       1    3.0 1.12485000
12      2   -8.0 0.02779279
15      2    4.0 1.00749680
16      2    5.6 1.73829377
17      2    6.5 1.72297476
23      2    5.0 1.42508238
27      2    5.9 0.81313000
29      2    6.3 1.25597000
30      2    4.7 1.03459000
32      3    5.3 1.65580173
33      3    4.4 3.59358761
34      3    4.0 3.66834805
39      3    2.8 1.34671000
41      3    5.6 1.56052000
44      3    3.7 2.91198000
> df[unlist(ind_train),]
   plotID Rs.ten   Corr.Rs
4       1    0.0 1.1925100
8       1    4.5 1.4588300
11      1    3.6 1.7791400
10      1    4.4 1.9224500
7       1    2.0 1.5539900
1       1    4.7 2.4344373
22      2    6.6 1.8128551
28      2    4.9 0.8966800
21      2    6.4 1.3924907
19      2    5.5 1.0970636
26      2    2.7 0.7914000
18      2    6.4 1.5904818
20      2    5.2 1.3896836
25      2    3.1 1.0016200
13      2    0.2 0.9884438
24      2    0.4 0.9067800
14      2    3.5 0.9373114
31      3    5.0 2.2651953
35      3    5.2 2.4597420
42      3    4.2 2.2606700
40      3    2.6 1.9010500
37      3    0.7 2.5531600
36      3    4.3 3.1286876
38      3    3.0 2.5708000
43      3    4.7 2.2248800

library(plyr)
set.seed(1234)
df.split <- ddply(df, .(plotID), mutate, set=sample(c("train", "test"), length(plotID0, replace=T, prob=c(0.6, 0.4))
testSet <- subset(df.split, set == "test")
trainSet <- subset(df.split, set == "train")