问题描述
新手在这里。我的问题有2个步骤。我想对一个数据帧中的许多行（3）进行采样，然后进行第二次采样（1行），而这不在第一个采样中。
#here is my data frame
df = data.frame(matrix(rnorm(20),nrow=10))
#here is my first sample with 3 rows
sample_1<- df[sample(nrow(df),3),]
#here is my second sample
sample_2 <- df[sample(nrow(df),1),]
我希望第二个样本不属于第一个样本。
感谢您的帮助。谢谢！
你好！再次感谢您对此的回应。我对此有一个后续问题。如果我需要使用FOR循环在大型数据集上运行此代码，以便它为每次迭代运行代码，但每次循环运行都选择一个不同的组，这可能吗？
解决方法
@GregorThomas的建议可能是最好的，因为我们知道：采样四行，然后将一行作为sample_2，其余部分放在sample_1中。
set.seed(42)
df <- data.frame(matrix(rnorm(20),nrow=10))
( samples <- sample(nrow(df),size = 4) )
# [1] 6 8 4 9
sample_1 <- df[ samples[-1],]
sample_2 <- df[ samples[1],drop = FALSE ]
sample_1
# X1 X2
# 8 -0.09465904 -2.6564554
# 4 0.63286260 -0.2787888
# 9 2.01842371 -2.4404669
sample_2
# X1 X2
# 6 -0.1061245 0.6359504
但是，如果由于某种原因您的采样需要 else ，则可以将第二次采样限制为第一次采样中未包含的采样。一个好方法是，如果每行中都有某种形式的唯一ID：
df$id <- seq_len(nrow(df))
df
# X1 X2 id
# 1 1.37095845 1.3048697 1
# 2 -0.56469817 2.2866454 2
# 3 0.36312841 -1.3888607 3
# 4 0.63286260 -0.2787888 4
# 5 0.40426832 -0.1333213 5
# 6 -0.10612452 0.6359504 6
# 7 1.51152200 -0.2842529 7
# 8 -0.09465904 -2.6564554 8
# 9 2.01842371 -2.4404669 9
# 10 -0.06271410 1.3201133 10
sample_1 <- df[sample(nrow(df),3),]
sample_1
# X1 X2 id
# 6 -0.1061245 0.6359504 6
# 2 -0.5646982 2.2866454 2
# 5 0.4042683 -0.1333213 5
subdf <- df[ !df$id %in% sample_1$id,]
sample_2 <- subdf[sample(nrow(subdf),1),]
sample_2
# X1 X2 id
# 7 1.511522 -0.2842529 7