如何在R中通过交叉相乘平衡分类变量的样本比例？

你需要通过重复样本让两类数据量一致：Category 0有3个样本，需重复7次；Category 1有7个样本，需重复3次，最终两类各21条数据。下面给你两种实用的实现方式：

基础R原生方法 #

无需额外安装包，用原生函数即可完成：

# 先统计两类的样本数量
n0 <- sum(df$Category == 0)
n1 <- sum(df$Category == 1)

# 给每一行分配对应的重复次数：0类重复n1次，1类重复n0次
repeat_times <- ifelse(df$Category == 0, n1, n0)

# 按重复次数复制行，生成平衡后的数据集
balanced_df <- df[rep(seq_len(nrow(df)), repeat_times), ]

dplyr tidyverse风格方法 #

如果习惯用tidyverse工具链，管道写法更直观：

library(dplyr)

# 硬编码重复次数（适配你当前的数据集）
balanced_df <- df %>%
  group_by(Category) %>%
  slice(rep(row_number(), times = case_when(Category == 0 ~ 7, Category == 1 ~ 3))) %>%
  ungroup()

# 通用写法（自动获取两类样本量，适配任意不平衡数据集）
n0 <- sum(df$Category == 0)
n1 <- sum(df$Category == 1)

balanced_df <- df %>%
  group_by(Category) %>%
  slice(rep(row_number(), times = ifelse(Category == 0, n1, n0))) %>%
  ungroup()

结果验证 #

执行以下代码确认两类样本量是否一致：

table(balanced_df$Category)

正常输出应为0:21 1:21，说明平衡操作成功。

内容的提问来源于stack exchange，提问作者Niro Mal