我需要从280万行的csv数据集中抽取100,000-200,000行的随机样本。我如何有效地做到这一点,以便可以清洁和处理随机样本?
在this.dialog.open(ErrorDialogComponent,{ data: message });
库中,我使用了DMwR2
函数,但是输出数据弄乱了我需要使用的22个变量。
sampleCSV
数据集来源:https://www.kaggle.com/pschale/mlb-pitch-data-20152018#pitches.csv
library(caret)
library(DMwR2)
我希望pitchData <- sampleCSV(file.choose(),200000,2867154,header = TRUE,mxPerc = 0.5)
summary(pitchData)
的输出具有与csv文件相同的变量名,但是它将使用随机数重命名它们,并且某些变量会丢失。