r - 创建按组拆分的列车测试

Question

我有一个数据框，我想按组 ID 将其拆分为训练集和测试集。以下代码对随机行进行采样并将它们放入训练和测试 df 中:

samp <- sample(nrow(df), 0.7 * nrow(df))
train <- df[samp, ]
test <- df[-samp, ]

但是，我想将我的 ID 组合在一起。

示例输入 df:

my_dat <- data.frame(ID=as.factor(rep(1:3, each = 3)), Var=sample(1:100, 9))

  ID Var
  1  17
  1  26
  1 100
  2   9
  2  41
  2  49
  3  36
  3  18
  3   5

和所需的输出:

火车:

  ID Var
  1  17
  1  26
  1 100
  3  36
  3  18
  3   5

测试:

  ID Var
  2   9
  2  41
  2  49

Answer 1

这是使用 dplyr 执行此操作的一种方法:

library(tidyverse)

# Create more data to better demonstrate grouping effect
my_dat <-
  data.frame(ID = as.factor(rep(1:3, each = 9)), Var = sample(1:100, 27))

# Randomly assign train/test groups to all values of ID
groups <-
  my_dat %>%
  select(ID) %>%
  distinct(ID) %>%
  rowwise() %>%
  mutate(group = sample(
    c("train", "test"),
    1,
    replace = TRUE,
    prob = c(0.5, 0.5) # Set weights for each group here
  ))

groups

# Join group assignments to my_dat
my_dat <- my_dat %>%
  left_join(groups)

my_dat

这种方法使您的原始数据保持不变，但为每一行添加了一个定义组(训练与测试)的新列。如果你想得到一个只有训练数据的数据框，你可以像这样过滤它:

filter(my_dat, group == "train")