将整数序列添加到具有大约 500 行的数据框中
Adding a sequence of integers to a data frame having approx 500 rows
我有一个包含 506 行的数据框。我正在尝试使用线性回归模型实现 k 折交叉验证。这是我的 CSV.
的 link
我正在使用留一法模型准备训练和测试数据框。
我收到以下输入：
df - data frame with 506 records
k - fold cross-validation (example: 10)
这就是我准备测试和训练数据帧所做的工作：
df <- c(1:506) # This is just for representation purposes
df <- cbind(idx, df)
for(ii in 1:k) {
train <- subset.data.frame(df, df[,1] == ii)
test <- subset.data.frame(df, df[,1] != ii)
# Further processing with train and test datasets
}
这给了我一个包含 5060 个条目的 df。
idx df
1 1 1
2 1 2
3 1 3
4 1 4
5 1 5
6 1 6
7 1 7
8 1 8
9 1 9
10 1 10
11 1 11
...
506 1 506
507 2 1
508 2 2
然而，我想要的是将数据帧分成k等份：
idx df
1 1 1
2 1 2
3 1 3
4 1 4
5 1 5
6 1 6
...
48 1 48
49 1 49
50 1 50
51 1 51
52 2 52
53 2 53
54 2 54
...
504 10 504
505 10 505
506 10 506
我是 R 的新手。所以如果可能，请使用基础包，以便我了解我做错了什么？
如果我没理解错的话，问题出在你的idx栏上。以下是如何使用不能完全适合存储桶的数据创建序列。您有 506 个观测值要放入 10 个桶中。一些桶将包含比其他桶更多的数据。
df <- 1:506
idx <-ceiling(seq_along(df)/(length(df)/10))
df <- cbind(idx, df)
在你的循环中，我使用 subset 因为 df 不是 data.frame。不管怎样，R 通常会弄清楚它处理的是什么类型的数据。
k <-10
for(ii in 1:k) {
train <- subset(df, df[,1] == ii)
test <- subset(df, df[,1] != ii)
# Further processing with train and test datasets
}
更新
csv 数据加载到 data.frame:
df <-read.csv("C:/temp/house_with_missing.csv",stringsAsFactors = FALSE)
idx <-ceiling(seq_along(1:nrow(df))/(nrow(df)/10))
df <- cbind(idx, df)
我有一个包含 506 行的数据框。我正在尝试使用线性回归模型实现 k 折交叉验证。这是我的 CSV.
的 link我正在使用留一法模型准备训练和测试数据框。 我收到以下输入：
df - data frame with 506 records
k - fold cross-validation (example: 10)
这就是我准备测试和训练数据帧所做的工作：
df <- c(1:506) # This is just for representation purposes
df <- cbind(idx, df)
for(ii in 1:k) {
train <- subset.data.frame(df, df[,1] == ii)
test <- subset.data.frame(df, df[,1] != ii)
# Further processing with train and test datasets
}
这给了我一个包含 5060 个条目的 df。
idx df
1 1 1
2 1 2
3 1 3
4 1 4
5 1 5
6 1 6
7 1 7
8 1 8
9 1 9
10 1 10
11 1 11
...
506 1 506
507 2 1
508 2 2
然而，我想要的是将数据帧分成k等份：
idx df
1 1 1
2 1 2
3 1 3
4 1 4
5 1 5
6 1 6
...
48 1 48
49 1 49
50 1 50
51 1 51
52 2 52
53 2 53
54 2 54
...
504 10 504
505 10 505
506 10 506
我是 R 的新手。所以如果可能，请使用基础包，以便我了解我做错了什么？
如果我没理解错的话，问题出在你的idx栏上。以下是如何使用不能完全适合存储桶的数据创建序列。您有 506 个观测值要放入 10 个桶中。一些桶将包含比其他桶更多的数据。
df <- 1:506
idx <-ceiling(seq_along(df)/(length(df)/10))
df <- cbind(idx, df)
在你的循环中，我使用 subset 因为 df 不是 data.frame。不管怎样，R 通常会弄清楚它处理的是什么类型的数据。
k <-10
for(ii in 1:k) {
train <- subset(df, df[,1] == ii)
test <- subset(df, df[,1] != ii)
# Further processing with train and test datasets
}
更新
csv 数据加载到 data.frame:
df <-read.csv("C:/temp/house_with_missing.csv",stringsAsFactors = FALSE)
idx <-ceiling(seq_along(1:nrow(df))/(nrow(df)/10))
df <- cbind(idx, df)