如何通过循环从同一数据集生成不同大小的独立样本数据集？

原代码有两个核心问题导致无法得到预期的三个数据集：

1. 循环中每次都重新赋值results变量，之前的结果会被直接覆盖；
2. results[,i] = sample_data是错误的赋值方式——i是样本的行数，不是列索引，这会导致列位置越界或赋值失败。

以下是两种可行的解决方式：

方式一：创建独立命名的DataFrame #

直接用assign()函数根据样本量生成对应变量名，把采样结果赋值给这些变量：

n.values <- c(500, 1000, 2000)
# 加载dplyr包，或用dplyr::sample_n明确指定函数
library(dplyr)
for (i in n.values) {
  sample_data <- sample_n(train, i)
  # 生成目标变量名，比如results500
  var_name <- paste0("results", i)
  # 将采样数据赋值给对应变量
  assign(var_name, sample_data)
}

运行后环境中会生成results500、results1000、results2000三个独立的DataFrame，每个对应指定大小的样本。

方式二：用列表统一管理（更推荐） #

在R中，用列表管理多个同类型对象会更规范，避免环境中变量泛滥，也方便后续批量操作：

n.values <- c(500, 1000, 2000)
library(dplyr)
results_list <- list()
for (i in n.values) {
  sample_data <- sample_n(train, i)
  # 把采样数据存入列表，用对应的名称做索引
  results_list[[paste0("results", i)]] <- sample_data
}
# 调用单个数据集时用：results_list[["results500"]]

内容的提问来源于stack exchange，提问作者Lola Ro