正如@matt_b所指出的，sample_n()和sample_frac()已被软弃用，取而代之的是slice_sample()。请参阅dplyr文档。

示例来自docstring:

# slice_sample() allows you to random select with or without replacement
mtcars %>% slice_sample(n = 5)
mtcars %>% slice_sample(n = 5, replace = TRUE)

为了完整起见:

Dplyr还提供绘制样本的比例或分数

df %>% sample_frac(0.33)

这是非常方便的，例如，在机器学习中，当你必须做一个特定的分割比例，如80%:20%

过时的答案。请使用dplyr::sample_frac()或dplyr::sample_n()代替。

在我的R包中有一个函数示例。仅用于此目的的行:

install.packages('kimisc')

library(kimisc)
example(sample.rows)

smpl..> set.seed(42)

smpl..> sample.rows(data.frame(a=c(1,2,3), b=c(4,5,6),
                               row.names=c('a', 'b', 'c')), 10, replace=TRUE)
    a b
c   3 6
c.1 3 6
a   1 4
c.2 3 6
b   2 5
b.1 2 5
c.3 3 6
a.1 1 4
b.2 2 5
c.4 3 6

根据Joris Meys对之前的回答的评论，通过使它成为通用的S3函数来增强sample是一个坏主意。

编辑:这个答案现在已经过时了，请参阅更新版本。

在我的R包中，我增强了样本，使它现在也像预期的数据帧一样:

library(devtools); install_github('kimisc', 'krlmlr')

library(kimisc)
example(sample.data.frame)

smpl..> set.seed(42)

smpl..> sample(data.frame(a=c(1,2,3), b=c(4,5,6),
                           row.names=c('a', 'b', 'c')), 10, replace=TRUE)
    a b
c   3 6
c.1 3 6
a   1 4
c.2 3 6
b   2 5
b.1 2 5
c.3 3 6
a.1 1 4
b.2 2 5
c.4 3 6

这是通过将示例设置为S3泛型方法并在函数中提供必要的(普通的)功能来实现的。调用setMethod可以修复所有问题。原始实现仍然可以通过base::sample访问。

正如@matt_b所指出的，sample_n()和sample_frac()已被软弃用，取而代之的是slice_sample()。请参阅dplyr文档。

示例来自docstring:

# slice_sample() allows you to random select with or without replacement
mtcars %>% slice_sample(n = 5)
mtcars %>% slice_sample(n = 5, replace = TRUE)

数据。表包提供了函数DT[sample(。N, M)]，从数据表DT中随机抽取M行。

library(data.table)
set.seed(10)

mtcars <- data.table(mtcars)
mtcars[sample(.N, 6)]

    mpg cyl  disp  hp drat    wt  qsec vs am gear carb
1: 14.7   8 440.0 230 3.23 5.345 17.42  0  0    3    4
2: 19.2   6 167.6 123 3.92 3.440 18.30  1  0    4    4
3: 17.3   8 275.8 180 3.07 3.730 17.60  0  0    3    3
4: 21.5   4 120.1  97 3.70 2.465 20.01  1  0    3    1
5: 22.8   4 108.0  93 3.85 2.320 18.61  1  1    4    1
6: 15.5   8 318.0 150 2.76 3.520 16.87  0  0    3    2