R语言如何根据已存储的入样概率向量抽取数据框样本

结论 #

你现有的s <- sample_n(df$col1, 3)命令无法直接修改实现该需求，这个函数本身是做随机抽样用的，不支持按预先指定的固定入样位置精确提取行。

实现方法 #

你的需求本质是按0/1入样标识的位置，精确匹配提取数据框对应行，不需要用到随机抽样函数，直接用R原生的行索引逻辑就能实现：

• 首先确认你的入样标识向量长度和数据框df的行数完全一致，且顺序和数据框行一一对应（你示例中长度为10的向量对应10行数据框是符合要求的）
• 假设你的入样标识向量命名为in_sample，直接用逻辑索引提取即可：

# 原生R实现，最简洁
s <- df[as.logical(in_sample), ]

以你给出的示例向量c(0,0,1,0,1,1,0,0,0,0)为例，as.logical()会把向量里的1转为TRUE、0转为FALSE，R会自动保留索引为TRUE的行，也就是你要的第3、5、6行，完全匹配需求。

如果你习惯用dplyr风格的语法，也可以用过滤的方式实现：

# dplyr实现
library(dplyr)
s <- df %>%
  filter(as.logical(in_sample))

为什么sample_n不适用 #

sample_n是dplyr提供的随机抽样函数，本身的逻辑是按指定规则从数据框中随机抽取固定数量的行：

• 你写的sample_n(df$col1, 3)本身用法有误，该函数第一个参数应该传入整个数据框，而非单独某一列
• 哪怕调整正确用法、给函数传入入样概率权重，也只能改变每行被抽中的概率，无法强制精确抽中你预先标记为1的固定行，结果仍然是随机的，不符合你的需求。

注意事项 #

• 不要随意调整入样标识向量的顺序，否则会出现行匹配错位的问题
• 如果你的入样标识是之前通过概率抽样计算得到的结果，用上述方法提取的行是100%匹配抽样结果的，不存在随机误差

内容的提问来源于stack exchange，提问作者Egon Carter