简单随机抽样

简单随机抽样分为有放回抽样和无放回抽样，这两种形式都可以通过base包中的sample()函数实现。

sample(x, size, replace = FALSE, prob =NULL)

x: 带抽取对象，若为整数则表示从1-n的整数中抽取，特别注意如果x为数据库抽取的是列而非行
size: 想要抽取的样本数量
replace: 是否为有放回，默认为FALSE，即无放回
prob: 设置个抽取样本的抽样概率，默认为无取值，即等概率抽样

实例：

sample(x=6,size=3,replace = F, prob=c(0.1,0.2,0.3,0.2,0.1,0.1))
# [1] 2 3 6

分层抽样

分层抽样可以通过sampling包中的strata()函数实现。

strata(data, stratanames=NULL, size, method=c("srswor","srswr","poisson","systematic"),pik,description=FALSE)

data: 带抽样数据
stratanames: 进行分层所依据的变量名称
size: 各层中要抽出的观测样本数
method: 选择4中抽样方法，分别为无放回、有放回、泊松、系统抽样，默认为srswor
pik: 设置各层中样本的抽样概率
description: 选择是否输出含有各层基本信息的结果

注意每一层都是无放回抽样。

library(sampling)
df=data.frame(x=c(1,2,2,3,3,4),api=c('index','index','logout','show','show','index'))sub2=strata(df, stratanames = 'x',size=c(1,2,1,1), method='srswor',description=T)
# Stratum 1
#
# Population total and number of selected units: 1 1
# Stratum 2
#
# Population total and number of selected units: 2 2
# Stratum 3
#
# Population total and number of selected units: 2 1
# Stratum 4
#
# Population total and number of selected units: 1 1
# Number of strata  4
# Total number of selected units 5
sub2
# x ID_unit Prob Stratum
# 1 1       1  1.0       1
# 2 2       2  1.0       2
# 3 2       3  1.0       2
# 4 3       4  0.5       3
# 6 4       6  1.0       4

整群抽样

cluster(data, clustername, size,method=c("srswor","srswr","poisson","systematic"),pik,description=FALSE)

data: 带抽样数据
clustername: 用来划分群的变量名称
size：需要抽取的群数
method: 选择4中抽样方法，分别为无放回、有放回、泊松、系统抽样，默认为srswor
pik: 设置各层中样本的抽样概率
description: 选择是否输出含有各层基本信息的结果

实例：

library(sampling)
df=data.frame(x=c(1,2,2,3,3,4),api=c('index','index','logout','show','show','index'))sub3=cluster(df, clustername = 'x',size=2, method='srswor',description=T)
# Number of selected clusters: 2
# Number of units in the population and number of selected units: 6 3
sub3
# x ID_unit Prob
# 1 1       1  0.5
# 2 3       4  0.5
# 3 3       5  0.5

训练集与测试集的分割

训练集和测试集的分割在模型训练中经常使用，因此怎样用高效的代码实现很重要。

R语言实现：

df=data.frame(x=1:10,y=paste0('n',1:10))
train_ind=sample(x=nrow(df),size=7,replace = F)
train_set=df[train_ind,]
train_set
# x   y
# 9   9  n9
# 5   5  n5
# 3   3  n3
# 7   7  n7
# 10 10 n10
# 8   8  n8
# 4   4  n4
test_set=df[-train_ind,]
test_set
# x  y
# 1 1 n1
# 2 2 n2
# 6 6 n6

python语言实现：
python语言中没有像R这么方便的索引方式，但是提供了sklearn包中的分割函数。

基础代码的实现

import pandas as pd
import numpy as np
y=["".join(('n',str(_))) for _ in range(1,11)]
df=pd.DataFrame({'x':range(1,11),'y':y})
train_ind=np.random.choice(range(10),size=7,replace=False)
test_ind=np.array(list(set(range(10))-set(train_ind)))
train_set=df.iloc[train_ind,]
#     x    y
# 3   4   n4
# 4   5   n5
# 0   1   n1
# 8   9   n9
# 9  10  n10
# 5   6   n6
# 6   7   n7
test_set=df.iloc[test_ind,]
#    x   y
# 1  2  n2
# 2  3  n3
# 7  8  n8

sklearn包的实现

from sklearn.cross_validation import train_test_split
X_train, X_test, y_train, y_test = train_test_split(X, y, test_size, random_state)

test_size 为测试集占比，如果为整数就代表样本的数量
random_state 为随机数种子

x=range(1,11)
y=["".join(('n',str(_))) for _ in range(1,11)]
X_train, X_test, y_train, y_test = train_test_split(x,y, test_size=0.3, random_state=10)
X_train
# [10, 2, 7, 8, 4, 1, 6]
X_test
# [3, 9, 5]
y_train
# ['n10', 'n2', 'n7', 'n8', 'n4', 'n1', 'n6']
y_test
['n3', 'n9', 'n5']

参考来源：

1.sklearn官网https://scikit-learn.org/stable/modules/generated/sklearn.model_selection.train_test_split.html#sklearn.model_selection.train_test_split

2.https://blog.csdn.net/u014460433/article/details/52756752

R语言中常用的抽样函数相关推荐

c语言中常用的字符函数以及字符串函数
文章目录前言一.常用字符串函数 1.strlen() 2.strcpy() 3.strcat() 4.strcmp() 5.strstr() 6.memcpy() 6.memmove() 二.qs ...
c/c++语言中常用的math函数
在实用math库函数之前,需要引用头文件 include<math.h> 常用库函数如下: 1.fabs(double X) 该函数用于对double型取绝对值如果用于float会损失精 ...
mysql sql总计函数_请问select SQL 语言中常用的合计函数有哪些？
1.sql中sum和count的区别 ----sql聚合函数 (1)首先,sum是对一个字段求和,hive中字段的类型一般是string或者是int,如果是int当然没有问题,如果是string类型但 ...
C语言中常用字符串处理函数（总结大全）
目录字符串处理函数 1.char *gets(char *s); 2. char *fgets(char *s, intsize, FILE *stream); 3. int puts(const ...
C语言中常用的数学函数
① double exp(double x); (求e的x次幂) ② double pow(double x, double y); (求x的y次幂) ③ double sqrt(double x); ...
bind merge r 和join_R语言中的数据合并函数（merge，cbind和rbind）的使用
R语言中的数据合并函数(merge,cbind和rbind)的使用-R语言中用cbind() 和rbind() 构建分块矩阵 1.merge函数两个数据框拥有相同的时间或观测值,但这些列却不尽相同. ...
r语言中正定矩阵由于误差不正定_R语言之数据处理(一)
在上一篇小文中,提到了关于R语言导入数据的一些方法,之后的重点就转向了数据的处理上.数据处理其实在整个数据分析项目中所占用的时间是比较多的,所以根据处理的目的不同,也有不同的处理方法.在R语言中,我通 ...
技巧 | 如何使用R语言的常用工具包绘制双变量填充地图
之前本号转载了DataCharm公众号的一篇推送: 转载 | 双变量映射地图可视化绘制方法这篇推送使用了biscale工具包绘制了双变量填充地图.近来,小编发现使用常用的绘图工具包也能很便捷的绘制这 ...
c语言中有裁剪字符串的函数吗,C语言中的字符串截取函数
/*======================================================== 子数整数源程序名 num.??? (pas,c,cpp) 可执行文件名 num. ...
R语言字符串拼接（paste()函数）
R语言中常使用paste()函数进行字符串拼接,paste()函数可以将任意数量的参数组合在一起. 1. 语法代码参数 paste(-, sep = " ", collapse ...

R语言中常用的抽样函数