在R语言中如何按条件随机删除指定比例行以调整数据分布？

核心思路 #

先通过随机抽样控制男性占比不超过50%，再在结果集中进一步控制管理岗占比不超过50%，同时最大化保留样本量。

代码实现 #

1. 加载依赖包与模拟测试数据

library(dplyr)

# 设置随机种子保证结果可复现
set.seed(123)
# 模拟符合初始占比的数据集（1000条样本）
df <- tibble(
  gender = sample(c("男", "女"), size = 1000, replace = TRUE, prob = c(0.6, 0.4)),
  position = sample(c("管理岗", "非管理岗"), size = 1000, replace = TRUE, prob = c(0.85, 0.15))
)

2. 查看初始数据占比

# 性别占比
df %>% 
  count(gender) %>% 
  mutate(percent = round(n / sum(n) * 100, 1))

# 岗位占比
df %>% 
  count(position) %>% 
  mutate(percent = round(n / sum(n) * 100, 1))

3. 分步筛选控制占比

# 第一步：控制男性占比≤50%
female_count <- sum(df$gender == "女")
# 目标男性数量：等于女性数量（刚好达到50%上限）
target_male <- female_count
# 随机抽取对应数量的男性
male_sample <- df %>% 
  filter(gender == "男") %>% 
  sample_n(size = min(target_male, n()))
# 合并女性与抽选的男性
gender_filtered <- bind_rows(df %>% filter(gender == "女"), male_sample)

# 第二步：在性别筛选结果中控制管理岗占比≤50%
non_manager_count <- sum(gender_filtered$position == "非管理岗")
# 目标管理岗数量：等于非管理岗数量（刚好达到50%上限）
target_manager <- non_manager_count
# 随机抽取对应数量的管理岗
manager_sample <- gender_filtered %>% 
  filter(position == "管理岗") %>% 
  sample_n(size = min(target_manager, n()))
# 合并非管理岗与抽选的管理岗
final_df <- bind_rows(gender_filtered %>% filter(position == "非管理岗"), manager_sample)

4. 验证最终结果占比

# 最终性别占比
final_df %>% 
  count(gender) %>% 
  mutate(percent = round(n / sum(n) * 100, 1))

# 最终岗位占比
final_df %>% 
  count(position) %>% 
  mutate(percent = round(n / sum(n) * 100, 1))

说明 #

• 如果希望男性/管理岗占比低于50%，只需调整target_male或target_manager的数值（比如设为floor(female_count * 0.9)）
• sample_n()函数会自动处理“目标数量大于现有数量”的情况，此时会保留所有对应行

内容的提问来源于stack exchange，提问作者LanCan