所以我有以下数据框:
structure(list(V1 = c(45L,17L,28L,26L,18L,41L,20L,23L,31L,48L,32L,30L,11L,26L)),.Names = "V1",row.names = c("24410","26526","26527","43264","63594","125630","148318","245516","269500","293171","301217","400294","401765","520084","545501","564914","742654"),class = "data.frame")
行名表示宗地,V1显示可以从中提取的每个宗地的示例数。 我想要的是从每个包裹中抽取一个与可用示例数量成比例的样本,最后下落,最终每个包裹总共有400个示例。想法是不对一个包裹相对于另一个包裹进行过度采样。
正在进行采样的数据集为here。
到目前为止,代码如下:
df <- read.csv('/data/samplefrom.csv')
df.training <- data.frame()
n <- 400
for(crop in sort(unique(df$code_surveyed))){
for (bbch_stage in sort(unique(df$bbch))) {
df.int <- df[df$bbch==bbch_stage & df$code_surveyed == crop,]
df.int <- df.int[!is.na(df.int$name),]
rawnum <- nrow(df[df$bbch==bbch_stage & df$code_surveyed == crop,])
if(rawnum >= n){
df.bbch.slected<-df[df$bbch==bbch_stage & df$code_surveyed == crop,]
df.bbch.slected.sampled<-df.bbch.slected[sample(nrow(df.bbch.slected),n),] #(round(n_bbch*length(which(df$bbch==bbch_stage))))),]
df.training<-rbind(df.training,df.bbch.slected.sampled)
}
}
}
这是为每种作物+ bbch_stage组合随机抽取400个示例(将其理解为复合变量)。一切都很好,但我希望能够控制示例来自哪个宗地(变量objectid
)。本质上,采样时需要额外的过滤步骤。
我尝试使用while
和repeat
语句以及stratified
中的devtools
函数进行了几次尝试,但是似乎都没有产生出米之后。