R 如何将数据随机分成三个相等的大小？

我有一个来自三个不同项目的9558行数据集。我想将此数据集随机分成三个相等的组，并为每个组分配一个唯一的ID，以便

Project1\u Project\u 2\u Project3

变成

Project1

，

Project2

和

Project3

我尝试过很多东西，谷歌搜索过和我有类似问题的人的代码。我使用了

sample\u n（）

和

sample\u frac（）

，但不幸的是，我自己无法解决这个问题：/

我制作了一个数据集示例，如下所示：

ProjectName <- c("Project1_Project2_Project3")
data <- data.frame(replicate(10,sample(0:1,9558,rep=TRUE)))
data <- data.frame(ProjectName, data)

---

将

id

添加到

数据中

：

data$id <- 1:nrow(data)

剩余部分的一半样本：

project3 <- dplyr::sample_frac(project2, 0.5)

检查所有

id

s是否唯一：

# should all be FALSE
any(project1$id %in% project2$id)
any(project1$id %in% project3$id)
any(project2$id %in% project3$id)

并再次检查数据帧是否具有正确的案例数量：

nrow(project1)
nrow(project2)
nrow(project3)

---

我曾经有过同样的问题。我就是这样做的。如果你只是使用sample，那么这些组是不均匀的，通过对一个向量进行采样，这些组甚至为我工作

sampleframe <- rep(1:3, ceiling( nrow( data)/3 ) ) 

data$grp <- 0
data[  , "grp"  ] <- sample( sampleframe , size=nrow( data) ,  replace=FALSE )

project1 <- data[data$grp %in% 1 ,]
project2 <- data[data$grp %in% 2 ,]
project3 <- data[data$grp %in% 3 ,]

sampleframe我喜欢Github gist的解决方案

您可以按照建议生成索引：

folds <- split(sample(nrow(data), nrow(data), replace = FALSE), as.factor(1:3))

foldsIMO只分配随机项目名称就足够了

dat$ProjectName <- sample(factor(rep(1:3, length.out=nrow(dat)), 
                          labels=paste0("Project", 1:3)))

数据

set.seed（42）
dat当你说“拆分”时，这意味着你不希望在组中重复，对吗？正如15中的数据仅在1集合中一样，
c（“Project1”、“Project2”、“Project3”）
而不是
c（“Project1\u Project2\u Project3”）
给你想要的？@Hojo.Timberwolf是的，我不想在小组中重复。15中的“仅1个”是什么意思？@jay.sf我拥有的真实数据集包含来自三个不同项目的数据，并且只有一个唯一的ID，其结构与我制作的相同。但是我想把它随机分成三个相等的组，每个组都应该有自己的名字：Project1、Project2和Project3:）这个问题需要简单地修改，并以更好的方式提问，以便对其他人也有用！非常感谢你菲尔：）
nrow(project1)
nrow(project2)
nrow(project3)

sampleframe <- rep(1:3, ceiling( nrow( data)/3 ) ) 

data$grp <- 0
data[  , "grp"  ] <- sample( sampleframe , size=nrow( data) ,  replace=FALSE )

project1 <- data[data$grp %in% 1 ,]
project2 <- data[data$grp %in% 2 ,]
project3 <- data[data$grp %in% 3 ,]

folds <- split(sample(nrow(data), nrow(data), replace = FALSE), as.factor(1:3))

datalist <- lapply(folds, function(x) data[x, ])

dat$ProjectName <- sample(factor(rep(1:3, length.out=nrow(dat)), 
                          labels=paste0("Project", 1:3)))

head(dat)
#   X1 X2 X3 X4 X5 X6 X7 X8 X9 X10 ProjectName
# 1  1  1  0  1  1  1  1  0  1   0    Project1
# 2  1  1  1  1  1  1  0  0  1   0    Project1
# 3  0  0  1  1  0  0  0  1  1   1    Project1
# 4  1  1  1  0  1  0  1  1  0   1    Project3
# 5  1  0  0  1  1  1  1  0  0   1    Project1
# 6  1  0  0  0  0  1  0  1  1   1    Project3

table(dat$ProjectName)
# Project1 Project2 Project3 
#     3186     3186     3186 

set.seed(42)
dat <- data.frame(replicate(10, sample(0:1, 9558, rep=TRUE)))