R语言分组数据框按比例抽样问题：如何按组抽取约33%行？

原始数据 #

df <- data.frame(
  Story = c(rep("C", 6), rep("X", 9), rep("A", 15), rep("B",12))
)

需求 #

对每个Story分组随机抽取约33%的行，预期抽样量：

• 2个"C"（6×0.33≈1.98，向上取整为2）
• 3个"X"（9×0.33≈2.97，向上取整为3）
• 5个"A"（15×0.33≈4.95，向上取整为5）
• 4个"B"（12×0.33≈3.96，向上取整为4）

原代码问题 #

原代码中额外的mutate步骤属于冗余操作，无需生成ID和sample_size字段，直接在抽样步骤中计算每组样本量即可。

修正后的代码 #

library(dplyr)

df %>%
  group_by(Story) %>%
  slice_sample(n = ceiling(n() * 0.33)) %>%
  ungroup()

代码说明 #

• group_by(Story)：按Story字段对数据分组
• slice_sample(n = ceiling(n() * 0.33))：分组后n()代表当前组的总行数，通过ceiling(n()*0.33)计算向上取整后的抽样行数，直接传递给slice_sample完成随机抽样
• ungroup()：取消分组（可根据后续操作需求选择是否保留分组状态）

运行上述代码即可得到符合预期的抽样结果。

内容的提问来源于stack exchange，提问作者Chris Ruehlemann