当我尝试从数据框中随机选择每组中的10个样本时，我试图弄清楚样本函数是如何工作的。
我有一个5列和7000行的数据框。我将数据集拆分为大约200个组。然后我想从每组中随机选择10个样本。有些团体少了10个样本。所以当我尝试对它们进行采样时，我设置了replace = T.但是，当我检查输出时，我发现一些组中有超过10个样本的组有重复样本。
我不知道如何解决这个问题？
mydata2<- split(mydf,mydf$Group)
names(mydata2)<-paste0("mydata2",1:length(levels(mydf$Group)))
mysample<-Map(function(x) x[sample((1:nrow(x)),size=10,replace=T),],
mydata2)
让我们先了解replace的概念。
默认情况下，replace是FALSE中的sample。所以，当你这样做
sample(1:5, 2)
#[1] 4 1
由于replace默认设置为FALSE，因此不允许重复元素。它将从1:5中随机选择2个独特的元素。
但是现在你做的时候
sample(1:5, 6)
它会导致错误说明
sample.int中的错误（长度（x），大小，替换，概率）：当'replace = FALSE'时，不能采样大于总体的样本
这意味着你试图从1:5中获取6个独特的元素，这是不可能的，因为你只有5个独特的元素。因此，当您设置replace = TRUE时，您说允许重复元素。
sample(1:5, 6, replace = TRUE)
#[1] 3 3 5 3 1 1
在这里，我们看到replace = TRUE元素3被重复，而在第一个例子中你运行它多少次，它将永远不会重复元素。
所以现在，我希望replace的概念对你来说很清楚。现在，您只想在列表中少于10行时重复行。所以你可以相应地添加一个条件，
lapply(mydata2, function(x) x[sample(1:nrow(x) ,size=10, replace=nrow(x) < 10), ])
仅当数据帧中的行数小于10时，这将是TRUE。
使用mtcars的可重复示例
table(mtcars$cyl)
# 4 6 8
#11 7 14
我们看到cyl = 6有7行，小于10行。
mydata2 <- split(mtcars, mtcars$cyl)
lapply(mydata2, function(x) x[sample(1:nrow(x) ,size=10, replace=nrow(x) < 10), ])
#$`4`
# mpg cyl disp hp drat wt qsec vs am gear carb
#Fiat X1-9 27.3 4 79.0 66 4.08 1.935 18.90 1 1 4 1
#Merc 230 22.8 4 140.8 95 3.92 3.150 22.90 1 0 4 2
#Toyota Corolla 33.9 4 71.1 65 4.22 1.835 19.90 1 1 4 1
#Honda Civic 30.4 4 75.7 52 4.93 1.615 18.52 1 1 4 2
#Toyota Corona 21.5 4 120.1 97 3.70 2.465 20.01 1 0 3 1
#Lotus Europa 30.4 4 95.1 113 3.77 1.513 16.90 1 1 5 2
#Volvo 142E 21.4 4 121.0 109 4.11 2.780 18.60 1 1 4 2
#Fiat 128 32.4 4 78.7 66 4.08 2.200 19.47 1 1 4 1
#Datsun 710 22.8 4 108.0 93 3.85 2.320 18.61 1 1 4 1
#Merc 240D 24.4 4 146.7 62 3.69 3.190 20.00 1 0 4 2
#$`6`
# mpg cyl disp hp drat wt qsec vs am gear carb
#Valiant 18.1 6 225.0 105 2.76 3.460 20.22 1 0 3 1
#Valiant.1 18.1 6 225.0 105 2.76 3.460 20.22 1 0 3 1
#Mazda RX4 21.0 6 160.0 110 3.90 2.620 16.46 0 1 4 4
#Ferrari Dino 19.7 6 145.0 175 3.62 2.770 15.50 0 1 5 6
#Valiant.2 18.1 6 225.0 105 2.76 3.460 20.22 1 0 3 1
#Mazda RX4.1 21.0 6 160.0 110 3.90 2.620 16.46 0 1 4 4
#Mazda RX4 Wag 21.0 6 160.0 110 3.90 2.875 17.02 0 1 4 4
#Merc 280C 17.8 6 167.6 123 3.92 3.440 18.90 1 0 4 4
#Hornet 4 Drive 21.4 6 258.0 110 3.08 3.215 19.44 1 0 3 1
#Merc 280 19.2 6 167.6 123 3.92 3.440 18.30 1 0 4 4
#$`8`
# mpg cyl disp hp drat wt qsec vs am gear carb
#Dodge Challenger 15.5 8 318.0 150 2.76 3.520 16.87 0 0 3 2
#Camaro Z28 13.3 8 350.0 245 3.73 3.840 15.41 0 0 3 4
#Ford Pantera L 15.8 8 351.0 264 4.22 3.170 14.50 0 1 5 4
#Merc 450SLC 15.2 8 275.8 180 3.07 3.780 18.00 0 0 3 3
#AMC Javelin 15.2 8 304.0 150 3.15 3.435 17.30 0 0 3 2
#Pontiac Firebird 19.2 8 400.0 175 3.08 3.845 17.05 0 0 3 2
#Duster 360 14.3 8 360.0 245 3.21 3.570 15.84 0 0 3 4
#Cadillac Fleetwood 10.4 8 472.0 205 2.93 5.250 17.98 0 0 3 4
#Hornet Sportabout 18.7 8 360.0 175 3.15 3.440 17.02 0 0 3 2
#Lincoln Continental 10.4 8 460.0 215 3.00 5.424 17.82 0 0 3 4
在输出中，我们可以看到行仅针对cyl = 6重复，而不是针对任何其他人。
当组小于最小尺寸时，也许只使用replace=T？此标志允许样本中的重复项导致您正在观察的行为。
replace - 如果这是真的，则样本可能会多次包含一个元素，而另一个元素可能根本不会出现。