R语言数据框分层随机抽样：等比例及差异化比例抽样实现

你之前用到的sample_n()是固定数量抽样函数，dplyr配套提供了sample_frac()按比例抽样函数，参数逻辑和sample_n()完全一致，也可以通过计算每组抽样量适配sample_n()的写法，两类需求的实现代码如下：

需求A：所有类别统一抽取0.05%的样本 #

方法1：使用sample_frac()（更简便） #

library(dplyr)
pop %>%
  group_by(category) %>%
  sample_frac(size = 0.0005) # 0.05%换算为小数为0.0005

方法2：适配sample_n()写法 #

如果需要保留sample_n()的调用逻辑，可以先计算每组对应抽样量，用ceiling()向上取整避免小样本分组抽不到结果：

pop %>%
  group_by(category) %>%
  sample_n(size = ceiling(n() * 0.0005))

需求B：不同类别设置独立抽样比例 #

首先定义分组抽样比例映射表，再关联原数据实现差异化抽样：

# 定义抽样规则：a抽0.05%、b抽0.1%、c抽20%
sample_rule <- data.frame(
  category = c("a", "b", "c"),
  frac = c(0.0005, 0.001, 0.2)
)

方法1：使用sample_frac()实现 #

pop %>%
  left_join(sample_rule, by = "category") %>%
  group_by(category) %>%
  sample_frac(size = first(frac)) %>%
  select(-frac) # 移除多余的比例字段

方法2：适配sample_n()写法 #

pop %>%
  left_join(sample_rule, by = "category") %>%
  group_by(category) %>%
  sample_n(size = ceiling(n() * first(frac))) %>%
  select(-frac)

注意：你提供的示例数据各组样本量极小（a组仅15条、b组30条、c组50条），0.05%的比例计算后抽样数不足1，测试时可临时放大比例（如改为20%即0.2）即可看到返回的抽样结果。

内容的提问来源于stack exchange，提问作者Homer Jay Simpson