[置顶]R语言 分层抽样---分层随机抽样(SRS)（二 ）

最新推荐文章于 2024-05-27 08:21:59 发布
转载 最新推荐文章于 2024-05-27 08:21:59 发布 · 6.6k 阅读 · 6
文章标签：

#分层抽样 #分层随机抽样 #R语言 #SRS

本文介绍了一个自定义分层抽样函数，用于从数据集中按特定分层条件进行有放回或不放回的样本抽取。通过该函数，用户可以根据需求灵活地指定分层变量、样本大小、是否进行子集选择以及是否使用放回抽样。

############################################################

自定义分层抽样函数：

############################################################

stratified <- function(df, group, size, select = NULL,
                       replace = FALSE, bothSets = FALSE) {
  if (is.null(select)) {
    df <- df
  } else {
    if (is.null(names(select))) stop("'select' must be a named list")
    if (!all(names(select) %in% names(df)))
      stop("Please verify your 'select' argument")
    temp <- sapply(names(select),
                   function(x) df[[x]] %in% select[[x]])
    df <- df[rowSums(temp) == length(select), ]
  }
  df.interaction <- interaction(df[group], drop = TRUE)
  df.table <- table(df.interaction)
  df.split <- split(df, df.interaction)
  if (length(size) > 1) {
    if (length(size) != length(df.split))
      stop("Number of groups is ", length(df.split),
           " but number of sizes supplied is ", length(size))
    if (is.null(names(size))) {
      n <- setNames(size, names(df.split))
      message(sQuote("size"), " vector entered as:\n\nsize = structure(c(",
              paste(n, collapse = ", "), "),\n.Names = c(",
              paste(shQuote(names(n)), collapse = ", "), ")) \n\n")
    } else {
      ifelse(all(names(size) %in% names(df.split)),
             n <- size[names(df.split)],
             stop("Named vector supplied with names ",
                  paste(names(size), collapse = ", "),
                  "\n but the names for the group levels are ",
                  paste(names(df.split), collapse = ", ")))
    }
  } else if (size < 1) {
    n <- round(df.table * size, digits = 0)
  } else if (size >= 1) {
    if (all(df.table >= size) || isTRUE(replace)) {
      n <- setNames(rep(size, length.out = length(df.split)),
                    names(df.split))
    } else {
      message(
        "Some groups\n---",
        paste(names(df.table[df.table < size]), collapse = ", "),
        "---\ncontain fewer observations",
        " than desired number of samples.\n",
        "All observations have been returned from those groups.")
      n <- c(sapply(df.table[df.table >= size], function(x) x = size),
             df.table[df.table < size])
    }
  }
  temp <- lapply(
    names(df.split),
    function(x) df.split[[x]][sample(df.table[x],
                                     n[x], replace = replace), ])
  set1 <- do.call("rbind", temp)
 
  if (isTRUE(bothSets)) {
    set2 <- df[!rownames(df) %in% rownames(set1), ]
    list(SET1 = set1, SET2 = set2)
  } else {
    set1
  }
}

================================================
参数说明：
#######################################################

The arguments to stratified are:

  • df: The input data.frame
  • group: A character vector of the column or columns that make up the "strata".
  • size: The desired sample size.
    • If size is a value less than 1, a proportionate sample is taken from each stratum.
    • If size is a single integer of 1 or more, that number of samples is taken from each stratum.
    • If size is a vector of integers, the specified number of samples is taken for each stratum. It is recommended that you use a named vector. For example, if you have two strata, "A" and "B", and you wanted 5 samples from "A" and 10 from "B", you would enter size = c(A = 5, B = 10).
  • select: This allows you to subset the groups in the sampling process. This is a list. For instance, if your group variable was "Group", and it contained three strata, "A", "B", and "C", but you only wanted to sample from "A" and "C", you can use select = list(Group = c("A", "C")).
  • replace: For sampling with replacement.
########################################################
例子说明：
########################################################
set.seed(1)
##创建数据框
dat1 <- data.frame(ID = 1:100, A = sample(c("AA", "BB", "CC", "DD", "EE"), 100,replace = TRUE), B = rnorm(100), C = abs(round(rnorm(100), digits = 1)), D = sample(c("CA", "NY", "TX"), 100, replace = TRUE), E = sample(c("M","F"), 100, replace = TRUE))
##

library(devtools)
source_gist("https://gist.github.com/mrdwab/6424112")
## [1] "https://raw.github.com/gist/6424112"
## SHA-1 hash of file is 0006d8548785ec8a5651c3dd599648cc88d153a4
# Generate a couple of sample data.frames to play with
set.seed(1)
dat1 <- data.frame(ID = 1:100, A = sample(c("AA", "BB", "CC", "DD", "EE"), 100, 
    replace = TRUE), B = rnorm(100), C = abs(round(rnorm(100), digits = 1)), 
    D = sample(c("CA", "NY", "TX"), 100, replace = TRUE), E = sample(c("M", 
        "F"), 100, replace = TRUE))

# What do the data look like in general?
summary(dat1)
##        ID         A            B                 C          D      E     
##  Min.   :  1.0   AA:13   Min.   :-1.9144   Min.   :0.000   CA:23   F:54  
##  1st Qu.: 25.8   BB:25   1st Qu.:-0.6141   1st Qu.:0.300   NY:42   M:46  
##  Median : 50.5   CC:19   Median :-0.1176   Median :0.650   TX:35         
##  Mean   : 50.5   DD:26   Mean   :-0.0176   Mean   :0.825                 
##  3rd Qu.: 75.2   EE:17   3rd Qu.: 0.5382   3rd Qu.:1.200                 
##  Max.   :100.0           Max.   : 2.4016   Max.   :2.900
# Let's take a 10% sample from all -A- groups in dat1
stratified(dat1, "A", 0.1)
##    ID  A       B   C  D E
## 92 92 AA  1.1766 1.0 CA F
## 86 86 BB -1.5364 0.1 NY F
## 74 74 BB -0.1796 0.3 CA F
## 60 60 CC  1.6822 0.5 TX F
## 58 58 CC  0.9102 0.5 CA F
## 9   9 DD  0.5697 1.4 TX F
## 42 42 DD  1.2079 0.4 TX M
## 46 46 DD  0.5585 1.0 CA M
## 99 99 EE -1.2863 0.2 NY F
## 72 72 EE  1.3430 0.0 NY F
# Let's take a 10% sample from only 'AA' and 'BB' groups from -A- in dat1
stratified(dat1, "A", 0.1, select = list(A = c("AA", "BB")))
##    ID  A      B   C  D E
## 69 69 AA 0.4942 0.6 CA M
## 54 54 BB 0.1580 0.3 TX M
## 5   5 BB 1.4330 1.5 NY F
# Let's take 5 samples from all -D- groups in dat1, specified by column
# number
stratified(dat1, group = 5, size = 5)
##    ID  A       B   C  D E
## 73 73 BB -0.2146 0.6 CA F
## 45 45 CC  1.5868 1.2 CA F
## 87 87 DD -0.3010 0.6 CA M
## 13 13 DD  0.6897 1.1 CA F
## 24 24 AA -0.9341 0.1 CA M
## 40 40 CC  0.2671 0.9 NY F
## 83 83 BB  0.5315 0.6 NY M
## 1   1 BB  0.3981 0.5 NY F
## 56 56 AA  1.7673 2.5 NY M
## 88 88 AA -0.5283 1.2 NY M
## 66 66 BB -0.3928 1.5 TX F
## 22 22 BB -0.7099 0.1 TX M
## 79 79 DD -0.6817 0.2 TX M
## 27 27 AA -0.4433 0.8 TX M
## 51 51 CC -0.6204 0.4 TX F
# Let's take a sample from all -A- groups in dat1, where we specify the
# number wanted from each group
stratified(dat1, "A", size = c(3, 5, 4, 5, 2))
## 'size' vector entered as:
## 
## size = structure(c(3, 5, 4, 5, 2), .Names = c("AA", "BB", "CC", "DD",
## "EE"))
##    ID  A       B   C  D E
## 38 38 AA -0.3042 0.8 NY M
## 10 10 AA -0.1351 1.9 NY M
## 56 56 AA  1.7673 2.5 NY M
## 62 62 BB -0.4616 0.4 CA F
## 74 74 BB -0.1796 0.3 CA F
## 2   2 BB -0.6120 0.0 TX F
## 66 66 BB -0.3928 1.5 TX F
## 22 22 BB -0.7099 0.1 TX M
## 40 40 CC  0.2671 0.9 NY F
## 67 67 CC -0.3200 0.3 CA F
## 16 16 CC  0.1888 2.2 CA M
## 3   3 CC  0.3411 0.3 NY M
## 39 39 DD  0.3700 0.4 CA F
## 49 49 DD -1.2246 0.4 NY F
## 50 50 DD -0.4734 0.4 TX F
## 23 23 DD  0.6107 0.5 NY F
## 17 17 DD -1.8050 0.3 NY M
## 35 35 EE  0.5939 0.5 CA M
## 41 41 EE -0.5425 0.2 NY F
# Use a two-column strata: -E- and -D- -E- varies more slowly, so it is
# better to put that first
stratified(dat1, c("E", "D"), size = 0.15)
##    ID  A         B   C  D E
## 84 84 BB -1.518394 0.6 CA F
## 34 34 AA -1.523567 1.5 CA F
## 53 53 CC -0.910922 1.6 CA M
## 36 36 DD  0.332950 0.2 CA M
## 97 97 CC  2.087167 0.5 NY F
## 49 49 DD -1.224613 0.4 NY F
## 5   5 BB  1.433024 1.5 NY F
## 37 37 DD  1.063100 1.5 NY M
## 17 17 DD -1.804959 0.3 NY M
## 33 33 CC  1.178087 0.2 NY M
## 14 14 BB  0.028002 0.9 TX F
## 90 90 AA -0.056897 0.0 TX F
## 28 28 BB  0.001105 2.1 TX F
## 80 80 EE -0.324270 0.3 TX M
## 22 22 BB -0.709946 0.1 TX M
# Use a two-column strata (-E- and -D-) but only interested in cases where
# -E- == 'M'
stratified(dat1, c("E", "D"), 0.15, select = list(E = "M"))
##      ID  A        B   C  D E
## 69   69 AA  0.49419 0.6 CA M
## 32   32 CC -0.13518 1.0 CA M
## 12   12 AA -0.03924 0.2 NY M
## 100 100 DD -1.64061 1.0 NY M
## 56   56 AA  1.76729 2.5 NY M
## 79   79 DD -0.68166 0.2 TX M
## 80   80 EE -0.32427 0.3 TX M
## As above, but where -E- == 'M' and -D- == 'CA' or 'TX'
stratified(dat1, c("E", "D"), 0.15, select = list(E = "M", D = c("CA", "TX")))
##    ID  A       B   C  D E
## 53 53 CC -0.9109 1.6 CA M
## 36 36 DD  0.3330 0.2 CA M
## 80 80 EE -0.3243 0.3 TX M
## 8   8 DD -1.0441 0.6 TX M
# Use a three-column strata: -E-, -D-, and -A-
s.out <- stratified(dat1, c("E", "D", "A"), size = 2)
## Some groups ---M.CA.BB, M.CA.EE--- contain fewer observations than desired
## number of samples. All observations have been returned from those groups.
list(head(s.out), tail(s.out))
## [[1]]
##    ID  A       B   C  D E
## 92 92 AA  1.1766 1.0 CA F
## 34 34 AA -1.5236 1.5 CA F
## 24 24 AA -0.9341 0.1 CA M
## 69 69 AA  0.4942 0.6 CA M
## 56 56 AA  1.7673 2.5 NY M
## 10 10 AA -0.1351 1.9 NY M
## 
## [[2]]
##    ID  A        B   C  D E
## 61 61 EE -0.63574 0.2 NY M
## 18 18 EE  1.46555 1.4 NY M
## 21 21 EE  0.47551 2.3 TX F
## 70 70 EE -0.17733 0.0 TX F
## 80 80 EE -0.32427 0.3 TX M
## 77 77 EE -0.07356 0.3 TX M
# How many samples were taken from each strata?
table(interaction(s.out[c("E", "D", "A")]))
## 
## F.CA.AA M.CA.AA F.NY.AA M.NY.AA F.TX.AA M.TX.AA F.CA.BB M.CA.BB F.NY.BB 
##       2       2       0       2       2       2       2       1       2 
## M.NY.BB F.TX.BB M.TX.BB F.CA.CC M.CA.CC F.NY.CC M.NY.CC F.TX.CC M.TX.CC 
##       2       2       2       2       2       2       2       2       0 
## F.CA.DD M.CA.DD F.NY.DD M.NY.DD F.TX.DD M.TX.DD F.CA.EE M.CA.EE F.NY.EE 
##       2       2       2       2       2       2       0       1       2 
## M.NY.EE F.TX.EE M.TX.EE 
##       2       2       2
# Can we verify the message about group sizes?
names(which(table(interaction(dat1[c("E", "D", "A")])) < 2))
## [1] "F.NY.AA" "M.CA.BB" "M.TX.CC" "F.CA.EE" "M.CA.EE"
names(which(table(interaction(s.out[c("E", "D", "A")])) < 2))
## [1] "F.NY.AA" "M.CA.BB" "M.TX.CC" "F.CA.EE" "M.CA.EE"
















窗口置顶小工具 Window Top-Mostify v1.0
11-18
它具有单文件一键启动的便捷性，能够让用户轻松地将需要的窗口置顶显示。这样用户就可以在编程或工作的同时，不影响地观看视频，增加了工作的灵活性。用户可以通过这个工具调整窗口的透明度，以达到适应不同工作环境...
详解关于React-Router4.0跳转不置顶解决方案
10-17
这两个解决方案都能有效地解决React-Router 4.0跳转时不置顶的问题，你可以根据项目的实际需求选择适合的方案。在开发过程中，确保理解每个方案的工作原理，以便更好地维护和优化你的代码。同时，保持对React-Router...
R语言中的分层采样
DevGOOD的博客
08-28 1115
通过按照上述步骤导入数据、划分层次、确定样本大小、进行随机采样和合并样本，您可以在R中轻松执行分层采样，并获得具有代表性的样本。例如，如果我们有一个代表性调查的数据集，并且要根据性别进行分层采样，我们可以使用subset()函数将数据集拆分为不同的层次。分层采样是一种在采样过程中根据总体的特征将总体划分为若干层，并从每一层中抽取样本的方法。根据实际需求，您可以调整每个层次的样本大小、选择不同的特征变量进行分层以及使用其他相关的函数和技术。最后，将从每个层次中抽取的样本合并为最终的分层样本。
R语言分层抽样(strata函数)
热门推荐
程志伟的博客
06-04 2万+
各位朋友，我已开通微信公共号：小程在线 我会把文章及时的更新到公共号上，欢迎大家的关注。 library(sampling) strata(data,stratanames=NULL,size,method=c("srswor","srswr","poisson","systematic"),pik,description=FALS) stratanames: 进行分层所依据的...
R 实现分层抽样教程
neweastsun的专栏
01-09 1万+
我们经常需要从总体中抽取样本，并利用样本数据推断有关总体的结论。本文介绍分层抽样的概念以及R的实现过程。 分层抽样 分层抽样是一种常用的抽样方法。它把总体分为多个组，然后从每个组中随机抽取一定数量样本形成分析样本。下面通过两个示例进行说明。 假设高校有400学生，包括大一、大二、大三、大四四个年级组成。我们现在需要采用分层抽样方法从每个年级随机抽取10人组成分析样本。 下面代码模拟生成100个学生数据： set.seed(1) df <- data.frame(grade = rep(c('F.
分层抽样在R语言中的应用
BugHunterX的博客
08-11 867
分层抽样是一种常用的统计抽样方法，可以有效地从总体中选择一个具有代表性的样本。本文介绍了在R语言中进行分层抽样的基本原理和操作步骤，并结合示例演示了如何实现分层抽样。通过合理地使用分层抽样方法，可以提高样本的代表性，从而更准确地进行统计推断和数据分析。（1）准备数据集：首先，需要准备一个包含观测值和各个层次的数据集。可以使用subset函数指定不同层次的条件，并使用size参数指定每个层次需要选择的样本数量。运行以上代码后，将得到一个包含分层抽样结果的数据框，其中每一行代表一个样本，包括姓名和所属年级。
R如何实现分层抽样（学习笔记）
qq_42480302的博客
02-24 2352
R软件实现分层抽样
文章置顶插件WP-Sticky插件 for Wordpress.zip
07-14
Sticky：虽然也是置顶，但它只对那些与置顶文章同一天发表的其它文章有效，以后的文章还是会排到它的上面 Normal：预设值，不对文章进行任何设定，当想取消置顶的时候，就选这个选项。 这款插件使用起来很简单，...
窗口置顶工具window-on-top
04-27
窗口置顶工具window-on-top
Android-滑动listview标题置顶listview吸顶效果
08-12
本知识点主要探讨如何实现“滑动ListView时标题置顶”和“ListView吸顶效果”，以及如何使安卓系统状态栏透明化。这些功能可以为用户带来更流畅、更具吸引力的交互体验。 首先，滑动ListView时标题置顶的效果通常被...
R语言两种方法实现随机分层抽样
dege857的博客
05-10 1903
其实用起来非常简单哈，data就是你的数据，strataname就是你分层的变量名字，我们这里当然是SEX性别啦，size就是你抽取的数量，method是抽取的方法，有不替换的简单随机抽样（srswr）、替换的简单随意抽样（srswr）、泊松抽样（Poisson）、系统抽样（systematic sampling）；这是个体检相关的数据，公众号回复：体检数据，可以获得这个数据。如果要提取数据，需要使用ID_unit这个变量，这是数据的标识，咱们通常会把分层抽样的数据用来建模，其余的数据用来验证。
R分层抽样（Stratified Sampling）
data+scenario+science+insight
07-15 2691
R分层抽样（Stratified Sampling） 目录 R分层抽样（Stratified Sampling） R分层抽样 基于行数的分层抽样 基于行数比例的分层抽样 研究人员通常从一个总体（population）中提取样本(sample)，并利用样本（sample）中的数据得出关于整个总体（population）的结论。 一种常用的抽样方法是分层随机抽样（Stratified Sampling），将一个群体分成几组（group），从每组中随机选择一定数量的成员纳入样本集中.
R分层抽样：实现分层抽样的R语言代码示例
DevProZ的博客
08-25 1274
通过分层抽样，我们可以获得代表性的样本，更好地了解总体的特征。你可以根据自己的需求和数据集的特点进行相应的调整和修改。分层抽样是一种常用的抽样方法，用于从总体中选择具有代表性的样本。它将总体分为若干个互不重叠的层，然后从每个层中抽取样本。我们希望从中选择一个具有代表性的样本，使得样本中每个年龄段的人数与总体中的比例相似。函数将"age"列的值划分为五个区间，并为每个区间分配了对应的标识符。你可以根据实际情况调整区间的划分和标识符的命名。确保每个年龄段的样本数量与设定的样本大小相似。来指定每个层的样本大小。
写一个用r语言分层抽样算积分的代码——chatgpt版
统计学小王子的博客
04-17 1661
【代码】写一个用r语言分层抽样算积分的代码——chatgpt版。
分层抽样R语言
最新发布
Mrrunsen的博客
05-27 396
分层抽样是一种概率抽样技术，用于提高估计的精度并确保来自总体的不同子群体都得到代表。
R语言实战：dataframe数据的分层随机抽样
HackSquad的博客
08-11 686
在数据分析和统计学中，数据抽样是一种重要的技术，它可以帮助我们从大规模数据集中选择出具有代表性的样本。而分层随机抽样是一种常用的抽样方法，它可以确保在每一个子群体中都能够有足够的样本数量，以得到更准确的结果。在本文中，我们将使用R语言来实现对dataframe数据的分层随机抽样。通过以上的代码，我们成功地实现了对dataframe数据的分层随机抽样。这种方法在统计分析和数据挖掘中非常实用，帮助我们从大规模数据集中提取具有代表性的样本。的dataframe，其中包含了各个群体的观测数据。
R语言实现k-means聚类优化的分层抽样(Stratified Sampling)分析各市镇的人口
大数据部落
07-12 1916
原文链接：http://tecdat.cn/?p=23038 原文出处：拓端数据部落公众号 简介 假设我们需要设计一个抽样调查，有一个完整的框架，包含目标人群的信息（识别信息和辅助信息）。如果我们的样本设计是分层的，我们需要选择如何在总体中形成分层，以便从现有的辅助信息中获得最大的优势。 换句话说，我们必须决定以何种方式来组合辅助变量（从现在开始是 "X "变量）的值，来确定一个新的变量，称为 "分层"。 为此，我们必须考虑到抽样调查的目标变量"Y "变量：如果为了形成分层，我们选择与Y变量最
R语言中的抽样方法及示例代码
ByteProwl的博客
08-25 1612
以上是R语言中几种常见的抽样方法的示例代码。通过灵活运用这些抽样方法，我们可以根据实际需求对数据进行抽样，从而进行有效的数据分析和建模。在实际应用中，还可以根据具体情况选择适合的抽样方法，并结合的抽样方法，并结合相关统计技术进行进一步的数据处理和分析。抽样是数据分析中常用的一种技术，它可以从一个较大的数据集中选择一部分样本进行分析，以代表整体数据集。R语言提供了多种抽样方法和函数，使得我们能够灵活地进行数据抽样。本文将介绍几种常见的抽样方法，并提供相应的示例代码。R语言中的抽样方法及示例代码。
R语言进行随机抽样、分层抽样和系统抽样
weixin_46579654的博客
04-14 5472
最近在进行一项哨点监测项目，需要对监测点乡镇、学校和医疗机构分别进行人口规模排序的系统抽样、学校类别的分层抽样以及随机抽样，对比spss、excel后发现R语言中的sampling包能够得到较好的实现，直接上代码。 原始抽样框如下，分别存放与excel不同的sheet中： 代码部分： library(readxl) library(dplyr) library(sampling) dt<-list() for(i in 1:3){ dt[[i]]<-read_excel("x
评论 1
成就一亿技术人!
拼手气红包6.0元
还能输入1000个字符
 
红包 添加红包
表情包 插入表情
表情包 代码片
 条评论被折叠 查看
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值