R语言如何通过自定义函数按分组采样生成新dataframe

原有代码问题说明 #

• 示例数据的分组列名称为b，代码中误用了不存在的group列，会直接报错
• filter(group == "aorb")中的aorb加了引号，会被识别为固定字符串，无法读取函数传入的参数值
• 抽样数量硬编码为10，无法灵活调整每次的抽样量
• 无需手动指定df_out为dataframe类型：dplyr管道操作返回的结果本身就是dataframe格式，R函数默认会将最后一行运行的对象作为返回值输出

修正后的可运行实现 #

方法1：自定义函数分别抽取 #

首先加载依赖包：
library(dplyr)

示例数据构造：

df <- data.frame(var1 = c(rnorm(50,50,10)), b = letters[1:2])

通用函数定义：

random_sample_groups <- function(data, group_col, target_group, n) {
  data %>%
    filter({{group_col}} == target_group) %>%
    sample_n(size = n)
}

调用示例（从两个分组各抽10个观测）：

# 抽取分组a的10个观测，生成dataframe df_a
df_a <- random_sample_groups(data = df, group_col = b, target_group = "a", n = 10)
# 抽取分组b的10个观测，生成dataframe df_b
df_b <- random_sample_groups(data = df, group_col = b, target_group = "b", n = 10)

方法2：一次性批量生成两个dataframe #

如果不需要单独调整两个分组的抽样量，可以用更简洁的批量处理方式：

library(dplyr)
library(purrr)

sample_res <- df %>%
  group_by(b) %>%
  slice_sample(n = 10) %>%
  group_split()

# 提取两个结果dataframe
df_a <- sample_res[[1]]
df_b <- sample_res[[2]]

运行class(df_a)可确认返回结果为标准dataframe类型。

内容的提问来源于stack exchange，提问作者Pablote