如何按Gene.Prop分组对DataFrame抽样：10%比例且最少5条

你需要的是每组按比例抽样同时保证最低抽取条数，直接用sample_frac()没法实现这个逻辑，得换用group_modify()对每个分组单独计算抽样数量，再执行抽样。

修改后的代码 #

my_dataframe_1_percent <- domain_annotated_DDR_list_DE %>%
  filter(domain_or_af == "FALSE") %>%
  distinct(sgRNA.sequence, .keep_all = TRUE) %>%
  group_by(Gene.Prop) %>%
  group_modify(~ {
    # 计算抽样数：取组内条目数的10%和5的较大值，同时不超过组内总条数
    sample_size <- max(round(nrow(.x) * 0.1), 5)
    sample_size <- min(sample_size, nrow(.x))
    .x %>% sample_n(sample_size)
  }) %>%
  tally() %>%
  ungroup()

关键逻辑说明 #

• 用group_modify()遍历每个分组，能针对每组的实际条目数动态计算抽样量
• max(round(nrow(.x)*0.1),5)确保满足两个条件：要么抽10%，要么至少抽5条，取两者里的大数
• 额外加min(sample_size, nrow(.x))是为了避免分组条目数不足5的情况（比如某组只有3条，就直接抽取全部3条）
• 如果你实际要抽的是1%而非描述里的10%，把代码里的0.1改成0.01就行

内容的提问来源于stack exchange，提问作者Raghav Thakar