Verileri N eşit gruba böl

4 Sütunlar arasında değerler içeren bir veri çerçevesi var:

Örneğin: ID, price, click count,rating

Ne yapmak istiyorum bu veri çerçevesi her grup aynı fiyat, tıklama sayısı ve derecelendirme öznitelikleri dağılımı ile eşit sayıda satır olacak N farklı gruplara bölmek olduğunu.

Bununla nasıl başa çıkılacağı hakkında en ufak bir fikrim olmadığından, herhangi bir tavsiye kesinlikle takdir edilmektedir!

Soruyu doğru anlarsam, bu istediğinizi elde eder. Veri çerçevenizin çağrıldığını dfve Ntanımladığınızı varsayarak bunu yapabilirsiniz:

split(df, sample(1:N, nrow(df), replace=T))

Bu, her veri çerçevesinin rastgele seçilen satırlardan oluştuğu veri çerçevelerinin bir listesini döndürür df. Varsayılan sample()olarak her gruba eşit olasılık atar.

Bu çok geç bir cevap, ancak bu sayfayı, belirtilen sorunun herhangi bir yerde tartışılıp tartışılmadığını araştırırken buldum. Belki birisi bu sayfayı bundan sonra bulursa cevabım yardımcı olacaktır.

Sorunun tam olarak ne istediğini yapan bir R paketi yazdım: data.framebir veya birkaç kriterdeki gruplar arasındaki farkları en aza indirmeye çalışırken bir alır ve N farklı grup oluşturur. Onaylı yanıtta önerilen yöntem olan tekrarlanan rastgele atamaya dayanan basit bir yöntem kullanır .

Bu, minDiff paketinin bağlantısıdır :

Belirtilen sorunun üstesinden gelmek için şunları kullanabilirsiniz:

library(minDiff)
assigment <- create_groups(dataframe, criteria_scale = c("price", "click count", "rating"), sets_n = N, repetitions = 1000)

repetitionsArgüman rastgele farklı grupları oluşturmak ne sıklıkta belirleyecektir. En iyi ödev - gruplar arasında minimum farklılığa sahip olan ödev - iade edilir.

Alex A'nın cevabı her grup için eşit bir olasılık verse de, soruların grupların eşit sayıda satıra sahip olma talebini karşılamıyor. R cinsinden:

stopifnot(nrow(df) %% N == 0)
df    <- df[order(runif(nrow(df))), ]
bins  <- rep(1:N, nrow(df) / N)
split(df, bins)

Bu, tidyr / dplyr kullanılarak yuvalama ile çözülebilir

require(dplyr) 
require(tidyr)

num_groups = 10

iris %>% 
   group_by((row_number()-1) %/% (n()/num_groups)) %>%
   nest %>% pull(data)
```