按组选择随机样本，附加条件为R

基于这一点，我正在尝试制作一个行的样本。使用相同的R iris数据示例。我已经正确地为每个物种创建了15行的样本

Selec_ir<-iris[ with(iris, unlist(tapply(seq_len(nrow(iris)),
                          Species, FUN = sample, 15,replace=FALSE))), ]

---

Selec\u ir以下函数将用于传递数据集中每组的所有
行数
，然后不替换地绘制
样本
，然后使用
split
和
findInterval
组合删除步长内的所有值。返回的数组将用于
切片
出所需样本大小和所需样本步长

根据需要修改
样本大小
和
样本步骤
，以调整初始样本大小和保留样本之间的行数

library(plyr)

sample_drop <- function(x, sample_size, sample_step=1) {

  # draw sample and convert to list
  lst_samp <- list(sort(sample(x, size=sample_size, replace=FALSE)))

  # function to split last element of list by step size
  split_last <- function(lst, step) {
    lst_tail <- unlist(tail(lst, n=1L))
    split(lst_tail, findInterval(lst_tail, c(0, step) + min(lst_tail)))
  }

  # split list until all values of last element fall within step size
  while(do.call(function(x) max(x) - min(x), list(unlist(tail(lst_samp, n=1L)))) >= sample_step) {
    lst_samp <- c(head(lst_samp, n=-1L), split_last(lst_samp, sample_step))
  }

  #lst_samp <- llply(lst_samp, unname) # for debug only to remove attr names
  laply(lst_samp, min) # return minimum value from each element

}

下面是应用于较大的
钻石
数据集的函数

library(dplyr)
library(ggplot2)

data("diamonds")

sample <- list()
sample$seed <- 1
sample$size <- 1000L
sample$step <- 20L

set.seed(sample$seed)
diamonds %>%
  group_by(cut) %>%
  mutate(gid=row_number()) %>%
  slice(sample_drop(n(), sample$size, sample$step))

set.seed(sample$seed)
diamonds %>%
  group_by(cut) %>%
  mutate(gid=row_number()) %>%
  slice(sample_drop(n(), sample$size, sample$step)) %>%
  summarise(samples=n())

库（dplyr）
图书馆（GG2）
数据（“钻石”）
样本百分比
分组依据（切割）%>%
变异（gid=行号（））%>%
切片（样本滴（n（），样本$size，样本$step））%>%
总结（样本=n（）

可能还有改进的余地，但这对我来说更容易理解
你的问题有点不清楚；请提供所需输出的示例进行说明。当iris只有150行时，如何绘制比上一个样本至少多20行的15个样本？@manotheshark，很抱歉，我们只能随机选择2行而不是15行；内联
Selec_ir@manotheshark，其思想是，如果选择了一行，则下一行必须至少位于上一行的第20位。这正是我想要的，但我是R初学者，从未使用过dplyr库。如何使其适应两个不同的数据集，其中：-我必须为每个物种随机选择15行（在这种情况下，我有7个物种，而不是3个物种用于鸢尾）代码中每个物种（13个物种）对应10行当我使用samp_步骤更改samp_大小时，得到以下错误：
样本大小（7）大于种群大小（4）。您想替换为TRUE吗？
@freestyle该错误通常意味着您在告诉
sample
绘制比原始
长度
更多的样本，而
replace=FALSE
。如果
replace
设置为
TRUE
，则可以从数据中重新绘制以填充指定的样本长度。您的评论说每个物种有10行，但我会首先查看，以确保您有足够的行，并且
group\u by
命令设置正确。@freestyle尝试以下命令来验证每个组的行数
iris%>%group\u by（物种）%%>%summary（n（））
我的数据集中有43249行。@freestyle我改变了使用函数的方法。这应该适用于任何数据集，因为如果没有足够的值进行采样，它将减少样本大小。
library(dplyr)
library(ggplot2)

data("diamonds")

sample <- list()
sample$seed <- 1
sample$size <- 1000L
sample$step <- 20L

set.seed(sample$seed)
diamonds %>%
  group_by(cut) %>%
  mutate(gid=row_number()) %>%
  slice(sample_drop(n(), sample$size, sample$step))

set.seed(sample$seed)
diamonds %>%
  group_by(cut) %>%
  mutate(gid=row_number()) %>%
  slice(sample_drop(n(), sample$size, sample$step)) %>%
  summarise(samples=n())