如何基于两个分类变量对DataFrame按组下采样（单样本限指定行数）

嗨，这个需求用dplyr包就能轻松搞定，代码简洁逻辑清晰，完全匹配你的要求。

核心思路 #

我们需要先按groups和samples做双重分组，确保每个子组对应「某一个group下的某一个sample」的所有行，然后对每个子组保留最多X行——如果子组本身行数≤X，就直接全部保留。

完整代码示例 #

先构造你的原始数据：

samples<-c("A","A","A","A","B","B","B","C","C","C")
groups<-c(1,1,2,3,1,1,1,2,2,2)
df<- data.frame(samples,groups)

加载dplyr并执行下采样操作（这里X设为2）：

library(dplyr)

# 设置下采样的最大行数
max_rows <- 2

# 执行下采样
downsampled_df <- df %>%
  # 按组别+样本双重拆分数据
  group_by(groups, samples) %>%
  # 每个子组取「当前行数和max_rows的较小值」，自动兼容行数不足的情况
  slice_sample(n = min(n(), max_rows)) %>%
  # 取消分组，恢复普通DataFrame结构
  ungroup()

可选调整 #

如果你不需要随机采样，而是想要固定保留每个子组的前X行，可以把slice_sample换成slice_head：

downsampled_df <- df %>%
  group_by(groups, samples) %>%
  slice_head(n = min(n(), max_rows)) %>%
  ungroup()

结果验证 #

运行后你会看到：

• groups=1中的sample A原本有2行，全部保留
• groups=1中的sample B原本有3行，被缩减到2行
• 所有行数≤2的子组（比如groups=2的sample A、groups=3的sample A等）都完整保留
• groups=2中的sample C原本有3行，被缩减到2行

内容的提问来源于stack exchange，提问作者Kaizen