当维度不可分时，将大数据框的 nrows 减少到较小数据框的 nrows

Question

我有两个数据框。一个是 ~133 行，一个是 ~4337 行。它们每个都有两列包含相同类型的信息。第一列中的太阳高度和第二列中的辐射。我想将大数据框的行数减少到小数据框的行数，以便我可以继续进行分析而不会出现维度错误。我不想将它们组合成一个数据框。

问题是，我不想丢失任何数据。经过进一步检查，我意识到我也不能做手段，因为这对我的数据没有物理意义。

我一直试图在 dplyr 中找到一些东西或 reshape2这将做到这一点，但到目前为止还没有运气。

笔记:

为简单起见，示例中的尺寸小于我的真实世界尺寸

此处提供的解决方案似乎很接近: Calculate the mean of every 13 rows in data frame in R

但是，我遇到了舍入问题，导致结果新数据框中的行过多或过少。

尝试实现上述链接解决方案的代码示例:

set.seed(123)
df1 <- data.frame(sunel = sample(c(-6:4), 133, replace = TRUE),
                  rad = sample(c(1000:500000), 133, replace = TRUE))
df2 <- data.frame(sunel = sample(c(-15:15), 4337, replace = TRUE),
                  rad = sample(c(100:5000000), 4337, replace = TRUE))
df2a <- df2[df2$sunel >= -6 & df2$sunel <= 4,]

n <- (nrow(df2a) %/% 133) - 1
df3 <- aggregate(df2a, list(rep(1:(nrow(df2a) %/% n+1), each = n, len = nrow(df2a))), mean)
nrow(df1)
# [1] 133
nrow(df2a)
# [1] 1520
nrow(df3)
# [1] 150
min(df1$sunel);max(df1$sunel)
# [1] -6
# [1] 4
min(df2a$sunel);max(df2a$sunel)
# [1] -6
# [1] 4
min(df3$sunel);max(df3$sunel)
# [1] -3.2
# [1] 1.9
nrow(df3a)
# [1] 133

我试图改变 n，但由于四舍五入，结果要么是 ~130 行(太少)，要么太多(如示例所示)。另一个问题是对我来说保持大致相同的sunel范围很重要，而df3中的范围是 Not Acceptable 。

这是我使用 caret 找到的黑客解决方案.我将不胜感激关于更优雅的解决方案的任何建议。

library(caret)

133/1520
# [1] 0.0875

inTrain <- createDataPartition(df2a$sunel, p = .0875, list = FALSE)
nrow(inTrain)
# [1] 135 #Nope

inTrain <- createDataPartition(df2a$sunel, p = .0874, list = FALSE)
nrow(inTrain)
# [1] 135 #Still nope

inTrain <- createDataPartition(df2a$sunel, p = .086, list = FALSE)
nrow(inTrain)
# [1] 133 #Awesome

df3a <- df2a[inTrain, ]
min(df3a$sunel);max(df3a$sunel)
# [1] -6
# [1] 4

Answer 1

我建议你自举。
http://www.ats.ucla.edu/stat/r/library/bootstrap.htm

重采样是您获取大数据集代表性样本的解决方案!