R语言随机抽样及分层抽样

问题

> dim(ml_data)
[1] 201253     11

• 场景：20万行数据中，抽取每个月中的任意一天的数据，即，2019-9-6/2019-9-7/2019-9-8…
  

1、计算层次个数

• dplyr包中count函数计算出每天的数据量，然后dim查看数据列346行，346个层次，346天。

> bb <- count(ml_data,date)
> > head(bb)
      date    n
1 20190906  568
2 20190907 1130
3 20190908  514
4 20190909  529
5 20190910  568
6 20190911  114
> dim(bb)
[1] 346   2

2、固定随机提取

• set.seed(1)固定随机取数
• sampling包中strata函数
• 合并日期date向量下抽取，时间缩短

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

> set.seed(1)
> #注意size，每层抽取1个数，如果两个或者三个。。。
> sample_day <- strata(ml_data,stratanames = c("year","month","day"),size = rep(1,346),method="srswor")
> head(sample_day)
     year month day ID_unit         Prob Stratum
129  2019    09  06     129 0.0017605634       1
1498 2019    09  07    1498 0.0008849558       2
2207 2019    09  08    2207 0.0019455253       3
2683 2019    09  09    2683 0.0018903592       4
3040 2019    09  10    3040 0.0017605634       5
3323 2019    09  11    3323 0.0087719298       6

• 两个相同

> set.seed(1)
> sample_day <- strata(ml_data,stratanames = "date",size = rep(1,346),method="srswor")
> head(sample_day)
         date ID_unit         Prob Stratum
129  20190906     129 0.0017605634       1
1498 20190907    1498 0.0008849558       2
2207 20190908    2207 0.0019455253       3
2683 20190909    2683 0.0018903592       4
3040 20190910    3040 0.0017605634       5
3323 20190911    3323 0.0087719298       6

3、随机抽样

sample(x, size, replace = FALSE, prob = NULL)
x：为向量
size：为样本容量
replace：表示是否为有放回的抽样，是一个逻辑值，默认为FALSE，即默认为无放回抽样；
prob：为权重向量，即x中元素被抽取到的概率，是一个取值0~1的向量，其长度应该与x的长度相同。

• 举例

> sample(1:20, 5)
[1] 19 16 15 20  1
> sample(1:20, 5)
[1] 19 14  6 11  8
> set.seed(2)
> sample(1:20, 5)
[1] 15  6 19  8  1