R语言两种方法实现随机分层抽样

为了减少数据分布的不平衡，提供高样本的代表性，可将数据按特征分层一定的层次，在每个层次抽取一定量的样本，为分层抽样。分层抽样的特点是将科学分组法与抽样法结合在一起，分组减小了各抽样层变异性的影响，抽样保证了所抽取的样本具有足够的代表性。

既往咱们已经多篇文章介绍了R语言的随机抽样，今天咱们通过R语言的2种方法来介绍随机分层抽样。咱们先导入数据和R包，首先介绍的是sampling包，

library(sampling)
bc<-read.csv("E:/r/test/demo.csv",sep=',',header=TRUE)

这是个体检相关的数据，公众号回复：体检数据，可以获得这个数据。这个数据的变量我就不解释了，SEX：性别，我们等下就根据性别分层来随机抽样。用到的是strata函数，我们来看下函数的格式

strata(data, stratanames=NULL, size, method=c("srswor","srswr","poisson",
"systematic"), pik,description=FALSE)

其实用起来非常简单哈，data就是你的数据，strataname就是你分层的变量名字，我们这里当然是SEX性别啦，size就是你抽取的数量，method是抽取的方法，有不替换的简单随机抽样（srswr）、替换的简单随意抽样（srswr）、泊松抽样（Poisson）、系统抽样（systematic sampling）；如果缺少“method”，则默认方法为“srswork”。

下面咱们就来实现一下，假设咱们想男女等比例抽取60%的样本来建模，首先咱们需要小小计算一下

n=round(3/5*nrow(bc)/2)

男女需要分别抽取250例

sub_train=strata(bc,stratanames=("SEX"),size=c(250,250),method="srswor")

这样一句话就抽取好啦，咱们来看一下，确实都是抽取了250个

table(sub_train$SEX)

也可以不等比例抽取，假设我想男性抽190个，女性抽100个

sub_train1=strata(bc,stratanames=("SEX"),size=c(190,100),method="srswor")
table(sub_train1$SEX)

如果要提取数据，需要使用ID_unit这个变量，这是数据的标识，咱们通常会把分层抽样的数据用来建模，其余的数据用来验证。

data_train=bc[sub_train$ID_unit,]
data_test=bc[-sub_train$ID_unit,]

这样数据就提取出来啊，非常简单。

接下来介绍的是dplyr包因为跑的是通道，也是非常简单

library(dplyr)

每组抽取固定数量250个

strat <- bc %>% group_by(SEX) %>% slice_sample(n = 250)

每组抽取一定比例

strat1 <- bc %>% group_by(SEX) %>% slice_sample(prop = .50)

Dplyr包是直接提取出了数据，不用你再提取啦。
本期结束啦，祝大家五一劳动节快乐！

参考文献：

1. sampling包文档
2. dplyr包文档
3. https://blog.csdn.net/neweastsun/article/details/122395968
4. https://blog.csdn.net/claroja/article/details/55096431