在R中按col_2前缀分层随机抽取指定行数的实现方法

要实现从col_2以"p"开头的行中随机选6行、以"q"开头的行中随机选6行的需求，你可以用dplyr包的分组抽样功能完成，具体步骤如下：

代码实现 #

# 加载dplyr包（未安装先运行install.packages("dplyr")）
library(dplyr)

# 设置随机种子（可选，保证抽样结果可重复）
set.seed(123)

# 假设你的数据框名为df，执行分组抽样
sampled_df <- df %>%
  # 筛选出col_2以p或q开头的行
  filter(grepl("^p|^q", col_2)) %>%
  # 按col_2的首字符分组
  group_by(prefix = substr(col_2, 1, 1)) %>%
  # 每组随机抽取6行
  sample_n(size = 6) %>%
  # 取消分组状态
  ungroup() %>%
  # 移除临时创建的prefix列（可选）
  select(-prefix)

代码说明 #

• filter(grepl("^p|^q", col_2))：通过正则表达式^p|^q筛选出col_2以p或q开头的行，自动排除以i开头的无关行；
• group_by(prefix = substr(col_2, 1, 1))：提取col_2的第一个字符作为分组标识，把数据分成"p"和"q"两个独立组；
• sample_n(size = 6)：对每个分组独立执行随机抽样，每组抽取6行；
• ungroup()：取消分组状态，避免后续数据操作受分组限制；
• select(-prefix)：移除临时生成的分组列，保持原数据结构整洁。

内容的提问来源于stack exchange，提问作者Ajrhjnd