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%

首先制作一些数据:

> df = data.frame(matrix(rnorm(20), nrow=10))
> df
           X1         X2
1   0.7091409 -1.4061361
2  -1.1334614 -0.1973846
3   2.3343391 -0.4385071
4  -0.9040278 -0.6593677
5   0.4180331 -1.2592415
6   0.7572246 -0.5463655
7  -0.8996483  0.4231117
8  -1.0356774 -0.1640883
9  -0.3983045  0.7157506
10 -0.9060305  2.3234110

然后随机选择一些行:

> df[sample(nrow(df), 3), ]
           X1         X2
9  -0.3983045  0.7157506
2  -1.1334614 -0.1973846
10 -0.9060305  2.3234110

在R中从tibble类型中选择一个随机样本:

library("tibble")    
a <- your_tibble[sample(1:nrow(your_tibble), 150),]

Nrow接受一个tibble并返回行数。传递给sample的第一个参数是一个从1到tibble末尾的范围。传递给sample的第二个参数是150，表示需要多少随机抽样。方括号切片指定返回索引的行。变量“a”获取随机抽样的值。

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。

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

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)