写一个!从JC的回答可以看出:

randomRows = function(df,n){
   return(df[sample(nrow(df),n),])
}

现在，通过首先检查n是否<=nrow(df)并在出现错误时停止，使其更好。

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。

写一个!从JC的回答可以看出:

randomRows = function(df,n){
   return(df[sample(nrow(df),n),])
}

现在，通过首先检查n是否<=nrow(df)并在出现错误时停止，使其更好。

约翰·科尔比给出的答案是正确的。然而，如果你是一个dplyr用户，也有答案sample_n:

sample_n(df, 10)

从数据框架中随机抽取10行。它调用sample.int，因此实际上是相同的答案，但输入更少(并且简化了在magrittr上下文中的使用，因为dataframe是第一个参数)。