如何将DataFrame按组拆分并随机分配UN组行至10个子DataFrame？

我们可以分四步完成这个需求，核心是先保证非UN分组的完整性，再均衡分配UN行：

1. 分离数据 #

先把原数据拆成非UN分组集合和UN行集合两部分：

# 示例数据
df <- data.frame(
  ID = c("1234", "edje", "hgt1", "4567", "0900", "wwwl", "yyyt", "5789", "hlkk", "3333"),
  group = c("V1", "V1", "V2", "V2", "V2", "V3", "V3", "UN", "UN", "UN")
)

# 分离非UN分组和UN行
non_un_groups <- df[df$group != "UN", ]
un_rows <- df[df$group == "UN", ]

2. 给非UN分组分配目标子DataFrame #

我们需要将每个完整的非UN分组分配到10个子DF中，保证每个子DF的行数尽量均衡：

library(dplyr)

# 计算每个非UN分组的行数
group_sizes <- non_un_groups %>%
  group_by(group) %>%
  summarise(size = n(), .groups = "drop") %>%
  arrange(desc(size)) # 按分组大小降序排列

# 初始化10个桶，记录每个桶的当前总行数和包含的分组
bucket_sizes <- rep(0, 10)
bucket_groups <- vector("list", 10)

# 贪心分配：每次把最大的剩余分组放到当前最小的桶里
for (i in 1:nrow(group_sizes)) {
  target_bucket <- which.min(bucket_sizes)
  bucket_groups[[target_bucket]] <- c(bucket_groups[[target_bucket]], group_sizes$group[i])
  bucket_sizes[target_bucket] <- bucket_sizes[target_bucket] + group_sizes$size[i]
}

3. 随机分配UN行到10个子DataFrame #

把UN行随机分成10份，每份数量尽量平均：

set.seed(123) # 设置随机种子保证结果可复现
un_assignments <- sample(1:10, nrow(un_rows), replace = TRUE)
# 调整分配，让每个桶的UN行数更均衡
un_counts <- table(un_assignments)
while(any(un_counts - min(un_counts) > 1)) {
  over_bucket <- which.max(un_counts)
  under_bucket <- which.min(un_counts)
  move_idx <- which(un_assignments == over_bucket)[1]
  un_assignments[move_idx] <- under_bucket
  un_counts <- table(un_assignments)
}

# 按分配结果拆分UN行
un_split <- split(un_rows, un_assignments)

4. 合并并生成最终的子DataFrames #

将每个桶的非UN分组数据和对应的UN行合并，得到10个子DF：

final_dfs <- vector("list", 10)

for (i in 1:10) {
  # 获取当前桶的非UN分组数据
  non_un_data <- non_un_groups[non_un_groups$group %in% bucket_groups[[i]], ]
  # 合并UN行
  final_dfs[[i]] <- rbind(non_un_data, un_split[[as.character(i)]])
  # 可选：重置行名
  rownames(final_dfs[[i]]) <- NULL
}

验证示例结果 #

运行上述代码后，final_dfs就是包含10个子DataFrame的列表。以示例数据为例，其中几个子DF的结果如下（因随机分配可能略有不同）：

# 查看第一个子DF
final_dfs[[1]]
#   ID group
# 1 1234    V1
# 2 edje    V1
# 3 5789    UN

# 查看第二个子DF
final_dfs[[2]]
#   ID group
# 1 hgt1    V2
# 2 4567    V2
# 3 0900    V2
# 4 hlkk    UN

内容的提问来源于stack exchange，提问作者Khaleesi95