R语言中使用sample_n()抽取数据表半数行后，如何获取剩余另一半行

核心逻辑 #

直接通过已抽取样本的行标识做差集筛选，从原数据表中拿出所有不属于已抽样本的行，两个子集完全互斥，既不会重复也不会遗漏。

具体操作写法 #

• 普通data.frame对象场景
  原数据表为df，已经通过sample_n()抽好的半量子集存在half1中，直接通过行名匹配取反即可拿到剩余行：
  half2 <- df[!rownames(df) %in% rownames(half1), ]
• Tibble/tidyverse生态场景
  Tibble默认没有可直接匹配的稳定行名，容易出现匹配错位，更稳妥的实现流程：
  1. 给原表新增临时行号标识列
     df <- df %>% mutate(.tmp_row = row_number())
  2. 正常调用sample_n()完成半量抽样
     half1 <- df %>% sample_n(size = floor(nrow(df)/2))
  3. 按行号差集筛选剩余样本，最后删掉临时列
     half2 <- df %>% filter(!(.tmp_row %in% half1$.tmp_row)) %>% select(-.tmp_row)

常见注意点 #

• 抽样前必须通过set.seed()固定随机种子，保证拆分结果可复现
• 若原表行数为奇数，抽样时用floor()/ceiling()调整抽样量，避免因size为小数触发sample_n()报错
• 不要在抽完一半后再独立抽一次另一半，两次独立随机抽样必然会出现行重复、遗漏，达不到严格等大拆分的效果

内容的提问来源于stack exchange，提问作者devan