seleccionar - Extracción de una muestra aleatoria de filas en un data.frame con un condicional anidado

seleccionar columnas en r

Question

Esta pregunta se crea a partir de la publicación de SO que se encuentra aquí y utiliza un código modificado a partir de una publicación en la lista de correo de ayuda de R que se puede ver aquí.

Estoy tratando de extraer una muestra aleatoria de filas en un marco de datos pero con un condicional. Usando los datos del iris R que se ve así:

> head(iris)
  Sepal.Length Sepal.Width Petal.Length Petal.Width Species
1          5.1         3.5          1.4         0.2  setosa
2          4.9         3.0          1.4         0.2  setosa
3          4.7         3.2          1.3         0.2  setosa
4          4.6         3.1          1.5         0.2  setosa
5          5.0         3.6          1.4         0.2  setosa
6          5.4         3.9          1.7         0.4  setosa 

Para tomar una muestra aleatoria simple, el código siguiente funciona bien para tomar una muestra de 2 filas.

iris[sample(nrow(iris), 2), ]

Sin embargo, no estoy seguro de cómo acondicionar el campo Especies. Por ejemplo, cómo tomar la muestra aleatoria como se indicó anteriormente, pero solo cuando Species != “setosa”

Hay tres categorías de iris$Species

> summary(iris$Species)
    setosa versicolor  virginica 
        50         50         50

No estoy seguro de cómo anidar correctamente condicionales. Uno de mis intentos anteriores está debajo con los resultados obviamente incorrectos incluidos ...

> iris[sample(nrow(iris)[iris$Species != "setosa"], 2), ]
     Sepal.Length Sepal.Width Petal.Length Petal.Width Species
NA             NA          NA           NA          NA    <NA>
NA.1           NA          NA           NA          NA    <NA>

Gracias

Answer 1

Con dplyr:

library(dplyr)
set.seed(12)
filter(iris, Species != "setosa") %>% sample_n(., 2) 

Salida:

   Sepal.Length Sepal.Width Petal.Length Petal.Width    Species
7           6.3         3.3          4.7         1.6 versicolor
81          7.4         2.8          6.1         1.9  virginica

Answer 2

Enfoque de tabla de datos limpio y simple:

require(data.table)
iris <- data.table(iris)
cond <- iris[Species!= ''setosa'', which = T]
iris[sample(cond, 2)]

Answer 3

Sería más limpio no hacerlo en una línea, pero

iris[iris$Species != "setosa",][sample(nrow(iris[iris$Species != "setosa",]), 2), ]

Answer 4

Yo usaría which para obtener el vector de números de filas a partir de los cuales puedes sample dada tu condición ...

iris[ sample( which( iris$Species != "setosa" ) , 2 ) , ]
#    Sepal.Length Sepal.Width Petal.Length Petal.Width    Species
#59           6.6         2.9          4.6         1.3 versicolor
#133          6.4         2.8          5.6         2.2  virginica