如何随机替换因子中指定类别5%的取值？

原始数据 #

首先运行以下代码生成初始数据框：

set.seed(1)
df <- data.frame(
  WHO = as.factor(sample(1:3, size = 6000, replace = TRUE, prob = c(0.80, 0.15, 0.05)))
)

初始频数统计结果：

> table(df$WHO)

   1    2    3 
4753  923  324 

需求 #

需要随机选取df$WHO == 1中的5%样本，将其WHO值替换为2，最终期望得到的频数统计为：

> table(df$WHO)

   1     2    3 
4515  1161  324

实现方案 #

使用以下代码完成完全随机的样本替换：

# 获取所有WHO为1的行索引
who1_rows <- which(df$WHO == 1)
# 计算需要替换的样本数量（取WHO=1样本数的5%）
replace_count <- round(length(who1_rows) * 0.05)
# 随机抽取不重复的目标索引
selected_rows <- sample(who1_rows, size = replace_count, replace = FALSE)
# 替换选中行的WHO值为2（保留因子水平）
df$WHO[selected_rows] <- factor(2, levels = levels(df$WHO))
# 验证结果
table(df$WHO)

代码说明 #

• which(df$WHO == 1)：精准筛选出所有WHO取值为1的行位置
• sample(..., replace = FALSE)：确保抽取的是无重复的随机样本，满足完全随机的要求
• factor(2, levels = levels(df$WHO))：替换时保留原因子的所有水平，避免后续统计出现异常

内容的提问来源于stack exchange，提问作者cmirian