dplyr：使用DB后端进行随机选择

dplyr的

sample\u n（）

似乎只是针对数据帧而不是单个SQL后端实现的。是否有可能利用MySQLs

orderbyrand（）

使用

arrange

？这将与dplyr的

head

相结合，并允许类似的功能

如果目标是在不替换的情况下对

n

行进行采样，则可以简单地

sample

行数并

filter

因此，如果我们想从

mtcars

中随机选择5行，我们可以写：

filter(mtcars, row_number() %in% sample(n(), 5))

这仍然是一行，但它比普通的

示例\n

更受限制，因为您不能用替换来完成它（您不能通过筛选多次选择一行）。从好的方面来看，

过滤器

、

行号

和

n

应适用于所有源

请注意，如果表格被分组，则将从每组中抽取5行。如果你想要分数（比如说每组50%），你可以写：

mtcars %>% 
  group_by(cyl) %>% 
  filter(row_number() %in% sample(n(), round(0.5 * n())))

如果要进行加权采样，可以直接向

sample

中的

prob

参数提供变量：

filter(mtcars, row_number() %in% sample(n(), 5, prob = disp))

---

这将再次对5行进行采样，但更可能选择

disp

较高的行。

这是功能请求吗？因为那时你应该在github上，而不是在这里。@Axeman到目前为止，这只是一个问题，github只是为了解决问题。如果这是一个不受支持的特性，我将在Github上发出相应的特性请求。不过，您可能可以通过

runif

生成一个col并进行排序。@NaN我认为您误解了。github上的“问题”并不总是意味着“bug”。问题只是意味着。。。这是一个需要讨论/处理的问题，我想

mtcars%>%filter（row_number（）%在%sample（n（），10））中）

应该有效吗？通常我会切片，但数据库不支持。