在R数据框中按两种不同概率筛选行的技术求助

我来帮你搞定这个抽样问题！你遇到的错误核心原因很明确：sample_n()的weight参数需要一个长度和数据框行数完全一致的向量——每一行都得对应一个权重值，而不是只给两个全局权重。下面是完整的实现步骤：

步骤1：生成数据并计算每行均值 #

先按你的代码生成原始数据，再新增一列存储每行的均值，方便后续判断条件：

library(tidyr)
library(dplyr)  # 记得加载dplyr，因为要用到mutate、sample_n等函数

# 生成原始数据
df <- data.frame(replicate(6, sample(1:10, 1000, rep = TRUE)))

# 计算每行均值并添加到数据框
df <- df %>%
  mutate(row_mean = rowMeans(.))

步骤2：生成匹配行数的权重向量 #

根据你设定的概率规则，给每一行分配对应的权重：

• 行均值≥6的行，权重设为0.8（也可以用相对权重8，因为sample_n的权重是相对值，最终效果一致）
• 行均值<6的行，权重设为0.2（或相对权重2）

这里用case_when来批量生成权重向量：

df <- df %>%
  mutate(sample_weight = case_when(
    row_mean >= 6 ~ 0.8,
    row_mean < 6 ~ 0.2
  ))

步骤3：按权重抽取30行样本 #

现在直接调用sample_n()，指定weight = sample_weight即可——这个向量的长度和df的行数完全匹配，不会再报错：

set.seed(123)  # 设置随机种子，保证抽样结果可复现
xsample <- df %>%
  sample_n(size = 30, weight = sample_weight, replace = TRUE)

额外提示 #

如果你实际需求里还保留偏度筛选的条件（你之前代码里用到了rowSkewness），只需要在抽样前加一步过滤即可，记得先加载fBasics包：

library(fBasics)

set.seed(123)
xsample <- df %>%
  filter(rowSkewness(.) > 1.5) %>%
  sample_n(size = 30, weight = sample_weight, replace = TRUE)

内容的提问来源于stack exchange，提问作者JPMD