如何在R中从含1296765条观测的数据集随机抽取10%样本？

你用sample_n()的时候，第二个参数是指定具体抽取的行数，所以传10就只会拿到10行数据，不是10%的比例。要按比例抽样，有两种简单方法：

方法1：用sample_frac()直接按比例抽取 #

dplyr里专门有按比例抽样的函数sample_frac()，第二个参数传抽样比例即可：

library(dplyr)  
x <- sample_frac(train, 0.1)  # 抽取10%的数据

方法2：计算总行数的10%传给sample_n() #

如果你还是想用sample_n()，可以先算出总行数的10%，再把这个数值传进去（注意用round()取整，因为行数必须是整数）：

library(dplyr)  
sample_size <- round(nrow(train) * 0.1)  # 计算1296765的10%，约129677行
x <- sample_n(train, sample_size)

两种方法都能实现你要的随机抽取10%数据的需求，推荐第一种，更简洁直观。

内容的提问来源于stack exchange，提问作者Pawan Kumar