欢迎关注天善智能，我们是专注于商业智能BI，人工智能AI，大数据分析与挖掘领域的垂直社区，学习，问答、求职一站式搞定！
对商业智能BI、大数据分析挖掘、机器学习，python，R等数据领域感兴趣的同学加微信：tstoutiao，邀请你进入数据爱好者交流群，数据爱好者们都在这儿。
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：
公众号后台回复关键字即可学习
回复 爬虫 爬虫三大案例实战
回复 Python 1小时破冰入门
回复 数据挖掘 R语言入门及数据挖掘
回复 人工智能 三个月入门人工智能
回复 数据分析师 数据分析师成长之路
回复 机器学习 机器学习的商业应用
回复 数据科学 数据科学实战
回复 常用算法 常用数据挖掘算法
网友评论