嘿，我来帮你搞定这两个问题！

一、非随机抽样的常见实用方法 #

非随机抽样是不依赖随机选择的抽样方式，常用于特定场景，常见类型有：

• 便利抽样：怎么方便怎么来，比如街头拦人做调研、用身边同事当样本。优点是快、成本低，但样本代表性差，结果容易有偏差。
• 判断抽样（目的抽样）：靠研究者的经验和判断选样本，比如研究高端消费行为时专门选奢侈品店的顾客，适合针对性强的研究，但结果好坏全看研究者的水平。
• 配额抽样：先按关键特征（比如年龄、性别、收入）分层，给每层分配固定数量的名额，再在每层里非随机选样本。比便利抽样靠谱些，但还是没法完全避免主观偏差。
• 滚雪球抽样：先找到几个符合条件的样本，再让他们介绍同类型的人，特别适合找那些难接触的群体，比如小众职业、隐性疾病患者。

二、R语言中排序后保持顺序拆分等规模样本 #

你的需求是先排序，再拆成等规模样本且不打乱顺序，这个其实很简单，我一步步给你写代码：

首先先把你的数据补全并排序：

# 你的原始数据
acct_num <- c('4525','52222','22892','67181','67733','737382', '5534','2228','7282','45622')
Probability <- runif(10, min = 0, max = 10)
acct_details <- data.frame(acct_num, Probability)

# 按Probability升序排序（要降序的话加decreasing=TRUE）
acct_sorted <- acct_details[order(acct_details$Probability), ]

方法1：手动拆分（适合固定组数） #

比如你要拆成2组，每组5条，直接按切片取就行，完全保持顺序：

group1 <- acct_sorted[1:5, ]
group2 <- acct_sorted[6:10, ]

方法2：通用拆分函数（适合任意可整除的组数） #

如果想灵活调整组数，写个小函数就搞定，还能自动检查是否能拆分等规模样本：

split_ordered <- function(df, num_groups) {
  # 先检查总样本数能不能被组数整除
  if (nrow(df) %% num_groups != 0) {
    stop("总样本数不能被组数整除，没法拆成等规模样本哦！")
  }
  # 计算每组的大小
  group_size <- nrow(df) / num_groups
  # 生成连续的分组标签（比如1,1,2,2...）
  groups <- rep(1:num_groups, each = group_size)
  # 拆分数据，完美保持排序后的顺序
  split(df, groups)
}

# 示例：拆成5组，每组2条
split_result <- split_ordered(acct_sorted, 5)
# 查看拆分后的结果
split_result

这个函数的逻辑是给排序后的每一行分配连续的分组编号，然后用split拆分，这样每个组里的元素都是排序后的连续片段，绝对不会打乱顺序。如果总样本数没法被组数整除，函数会直接报错提醒你调整组数~

内容的提问来源于stack exchange，提问作者Sugand Anand