在R中按区域/行业及status条件构建均等权重抽样数据集

云上老周

2026-5-20

按行业-区域组合分层随机抽样的R语言实现方案

嘿，我之前刚好处理过一模一样的抽样需求，给你一套靠谱的代码，完美实现你要的每个行业+区域组合下，分别随机抽取30条status=0和status=1的样本～

核心思路

我们需要按行业、区域、status三个维度分层，确保每个细分组都抽取固定数量的样本，最终得到均等权重的数据集。这里推荐用dplyr包来实现，代码简洁易懂，新手也能快速上手。

完整代码实现

假设你的原始数据集名为raw_data，包含industry（行业列，共4个类别）、region（区域列，共10个类别）、status（状态列，取值0或1）这三个关键字段：

# 先安装并加载dplyr包（如果还没安装的话）
if (!require(dplyr)) {
  install.packages("dplyr")
  library(dplyr)
}

# 执行分层抽样
sampled_data <- raw_data %>%
  # 按三个维度分组，确保每个组合单独抽样
  group_by(industry, region, status) %>%
  # 每个组随机抽取30条样本，replace=FALSE表示无放回抽样（需保证每个组原始样本量≥30）
  # 若某组样本量不足30，可将replace改为TRUE启用有放回抽样，或先检查原始数据分布
  slice_sample(n = 30, replace = FALSE) %>%
  # 取消分组，方便后续数据处理
  ungroup()

# 验证抽样结果是否符合要求（可选）
sampled_data %>%
  count(industry, region, status)

备选方案：data.table版本

如果你习惯用data.table处理大数据，这里也提供对应的实现代码，运行效率会更高：

# 安装并加载data.table包
if (!require(data.table)) {
  install.packages("data.table")
  library(data.table)
}

# 转换为data.table格式并抽样
setDT(raw_data)
sampled_data <- raw_data[, .SD[sample(.N, 30, replace = FALSE)], by = .(industry, region, status)]