【R语言实用技巧】随机排序、随机抽样与分层抽样

作者： 宋星云 中国科学院心理研究所硕士，R语言爱好者。已有多年数据分析与R语言的实战经验，毕业后将从事数据分析工作。

个人公众号：星云实验室

对给定的样本随机排序、随机抽样、分层抽样在日常生活工作中非常常见，本文将以若干案例来介绍实现这几种常见需求的简单解决方案。

自带的 sample 函数是实现随机抽样最基础的函数，以此为基础，dplyr中的sample_n与sample_frac，以及doBy中的sampleBy函数能够实现更复杂的一些需求

案例1 皇帝的夜生活

对序列进行随机排序（洗牌）

皇帝有7个老婆，他想请作为内务总管的你帮他安排一下他的夜生活。他希望能够雨露沾均，一周七天没有人失宠也没有人得到过多的恩宠，而且希望能够顺序随机。

在这里，问题相当于对1~7七个数（一个向量）进行洗牌，使用sample函数即可很好的解决问题：

P.S. 如果皇帝无所谓雨露沾均，那么问题就相当于对1~7七个数进行 有放回的 七次抽样：

案例2 皇帝为什么找不到老婆呢？

对数据框随机抽样

每年的选秀结束了，但是皇帝没有选到心仪的人，于是怀疑手下是否有舞弊。于是让人整理了一份全部参加选秀的1000个人选的名单(dt)，名单包括秀女的姓名、年龄、家庭住址、手机号等。然后，皇帝拜托作为内务总管的你去走一下基层，从中随机抽取5%的人上门或者打电话了解一下情况。

在这里，问题相当于从这个有1000行的数据框中随机抽取5%，即50行的数据。 dplyr中的sample_n与sample_frac函数实现对数据框的观测随机抽样与随机排序。其中，sample_n是按照个数取样；而sample_frac是按照比例取样。

sample_n(dt, 50)   #从dt中随机取50个观测值
sample_frac(dt, 0.05) #从dt中随机取5%的观测值

案例3 皇帝为什么找不到老婆呢？

分层随机抽样接案例2. 作为内务总管的你了解到，选秀主考官似乎有点地域歧视、户口歧视，对来自南方与北方，对出身农村和城镇的秀女有着不同的标准，在出题上也有些为难人。因此，你决定从南方与北方、从农村和城镇各随机抽取相应比例的秀女进行调查。

在这里，问题相当于要完成一次分层的随机抽样，doBy包中的sampleBy函数能够很好的实现分层抽样。sampleBy的用法参考如下：

sampleBy(formula, frac = 0.1, replace = FALSE, data = parent.frame(),  systematic = FALSE)

和doBy的其他函数一样，均需要使用formula来表示其中的关系。其仅含frac参数，需要按比例进行抽样

下图是假设的原始dt数据框，共有1000行

解决方案为：

sampleBy(formula = ~DiYu+HuKou, 
                 frac = .052,  #因为1000*5% /4 =12.5 不是整数，因此向上调了一点
                 data = dt)

我们看一下结果：

可以看见，地域（DiYu）和户口（HuKou）的每一个处理下面均随机抽取了13个观测值。实现了分层随机抽样。

最后，留一个练习题~

练习题 给秀女们排座位

过年了，皇帝想邀请通过初试的40名秀女来宫中看春晚，宫里正好共有40个座位，8排5座。因为场地是平面的，皇帝希望身高高的秀女坐在后面，身高矮的坐在前面，但是又希望座位尽量随机。于是，你按照身高以矮到高将40人划分为8组，每一组占一排，在每一组内随机安排座位。那么，怎样实现呢？P.S. 每个秀女是数据框中的一行观测值，包含姓名、身高、出生地等变量，按照身高人为的分组为GROUP，需要对每个秀女生成一个新的变量“座位号”，满足上述条件

往期精彩：

• 【R语言实用技巧】类别变量的顺序自定义设置

• R语言中文社区2018年终文章整理（作者篇）

• R语言中文社区2018年终文章整理（类型篇）

公众号后台回复关键字即可学习

本文由R语言中文社区 创作，采用 知识共享署名-相同方式共享 3.0 中国大陆许可协议 进行许可。

转载、引用前需联系作者，并署名作者且注明文章出处。

本站文章版权归原作者及原出处所有 。内容为作者个人观点， 并不代表本站赞同其观点和对其真实性负责。本站是一个个人学习交流的平台，并不用于任何商业目的，如果有任何问题，请及时联系我们，我们将根据著作权人的要求，立即更正或者删除有关内容。本站拥有对此声明的最终解释权。