如何将数据随机分成三个相等的大小？

Question

我有一个包含来自三个不同项目的 9558 行的数据集。我想将这个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，这样 Project1_Project_2_Project3 就变成了 Project1、Project2 和 Project3。

我已经尝试了很多东西，并从与我有类似问题的人那里搜索了代码。我用过 sample_n() 和 sample_frac()，但不幸的是我自己无法解决这个问题：/

我制作了一个我的数据集示例，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)

并且输出应该随机分成三个相等的组nrow=3186，然后分配给值

ProjectName Count of rows
Project1     3186
Project2     3186
Project3     3186

Answer 1

将 id 添加到 data:

data$id <- 1:nrow(data)

取第一个样本：

project1 <- dplyr::sample_frac(data, 0.33333)

从数据中删除使用的行并保存到 project2:

project2 <- data[!(data$id %in% project1$id), ]

抽样剩下的一半：

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

最后从 project2 中删除 project3 样本中的那些：

project2 <- project2[!(project2$id %in% project3$id), ]

检查所有 id 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)

并仔细检查数据帧的案例数是否正确：

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

Answer 2

我曾经遇到过同样的问题。我就是这样做的。如果你只是使用样本，那么这些组是不均匀的，通过抽取一个向量，其中这些组甚至对我有用。

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 ,]

Answer 3

我喜欢 in this comment Github 要点的解决方案。

您可以按照建议生成索引：

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

然后使用以下方法获取 3 个大小相等的数据帧的列表：

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

Answer 4

IMO 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)))

结果

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

数据

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

如何将数据随机分成三个相等的大小？

How to randomly split data into three equal sizes?

random

group-by

r

divide

dplyr