0

我有超过 750 K 原始数据的输入表。它有一个名为 Quarter 的字段。我想创建样本，以便我从每个季度获得 10% 的记录。data.frame 的主要属性是：

  1. “SERIAL_NBR”
  2. “型号”
  3. “战争.开始.每月”

“Start.Qua.Yr”是提及季度的字段。有什么方法可以生成每个季度包含数据（记录的 10%）的样本数据？

使用样本功能，无论季度如何，我都可以获取样本。相同的代码将是：

raw_claim_input[sample(1:nrow(raw_claim_input),as.integer(nrow(raw_claim_input)/10)),]

当我关注一个季度时，我没有得到预期的结果，因为在考虑值时存在逻辑问题

raw_claim_input[sample(1:nrow(raw_claim_input[raw_claim_input$War.Start.Monthly=="08-M2",]),as.integer(nrow(raw_claim_input[raw_claim_input$War.Start.Monthly=="08-M2",])/10)),]

值 08-M2 是过滤器，我想对所有可用值进行过滤。War.Start.Monthly 有 70 个值，我想为 War.Start.Monthly 的每个值生成样本。

部分数据

     Day.Covered           SHIP_DATE Warranty.Start.Qua.Yr War.Start.Monthly AssemblyDateUpdated Warranty.End.Date Warranty.End.Qur.Yr War.End.Monthly
252754         365    06-04-2008 00:00                 08-Q2             08-M6    06-03-2008 00:00        08-04-2064               64-Q2           64-M4
441605        1095 08-17-2010 11:13:07                 10-Q3             10-M8 08-16-2010 12:09:57        08-04-2064               64-Q2           64-M4
583636         731 10-17-2012 00:00:00                 12-Q4            12-M10 10-16-2012 00:00:00        08-04-2064               64-Q2           64-M4
115586         731    01-04-2013 00:00                 13-Q1             13-M1    01-03-2013 00:00        08-04-2064               64-Q2           64-M4
334221        1095 06-13-2011 12:29:23                 11-Q2             11-M6    06-11-2011 11:25        08-04-2064               64-Q2           64-M4
146656        1095 03-16-2011 10:54:37                 11-Q1             11-M3 03-15-2011 08:14:40        08-04-2064               64-Q2           64-M4
249956        1095 06-18-2008 12:35:06                 08-Q2             08-M6    06-06-2008 10:51        08-04-2064               64-Q2           64-M4
276295         731 05-18-2011 00:00:00                 11-Q2             11-M5 05-18-2011 00:00:00        19-11-2014               14-Q4          14-M11
582423         731 10-22-2012 00:00:00                 12-Q4            12-M10 10-22-2012 00:00:00        08-04-2064               64-Q2           64-M4
380369         730    08-04-2009 17:43                 09-Q3             09-M7 07-31-2009 07:14:17        18-01-2012               12-Q1           12-M1

如果需要更多详细信息，请告诉我。

4

1 回答 1

1

这将做：

X <- read.csv(text="Day.Covered,SHIP_DATE,Warranty.Start.Qua.Yr,War.Start.Monthly,AssemblyDateUpdated,Warranty.End.Date,Warranty.End.Qur.Yr,War.End.Monthly
 365,    06-04-2008 00:00, 08-Q2,  08-M6,    06-03-2008 00:00, 08-04-2064 ,64-Q2,  64-M4
1095, 08-17-2010 11:13:07, 10-Q3,  10-M8, 08-16-2010 12:09:57, 08-04-2064 ,64-Q2,  64-M4
 731, 10-17-2012 00:00:00, 12-Q4, 12-M10, 10-16-2012 00:00:00, 08-04-2064 ,64-Q2,  64-M4
 731,    01-04-2013 00:00, 13-Q1,  13-M1,    01-03-2013 00:00, 08-04-2064 ,64-Q2,  64-M4
1095, 06-13-2011 12:29:23, 11-Q2,  11-M6,    06-11-2011 11:25, 08-04-2064 ,64-Q2,  64-M4
1095, 03-16-2011 10:54:37, 11-Q1,  11-M3, 03-15-2011 08:14:40, 08-04-2064 ,64-Q2,  64-M4
1095, 06-18-2008 12:35:06, 08-Q2,  08-M6,    06-06-2008 10:51, 08-04-2064 ,64-Q2,  64-M4
 731, 05-18-2011 00:00:00, 11-Q2,  11-M5, 05-18-2011 00:00:00, 19-11-2014 ,14-Q4, 14-M11
 731, 10-22-2012 00:00:00, 12-Q4, 12-M10, 10-22-2012 00:00:00, 08-04-2064 ,64-Q2,  64-M4
 730,    08-04-2009 17:43, 09-Q3,  09-M7, 07-31-2009 07:14:17, 18-01-2012 ,12-Q1,  12-M")

# Replicate X to have enough data for this example.
X <- X[rep(seq(nrow(X)), 100),]

# Partition the data according to quarter.
partitions <- split(X, X$Warranty.Start.Qua.Yr)
# Draw samples from each partition.
samples <- lapply(partitions, function(p) p[sample(nrow(p), nrow(p)/10),])
于 2013-10-29T14:00:02.863 回答