は

Question

私はこのDFを持っている： - 私は、トレーニングセット（電車）、残りに入るのSESSION_ID、50％を要求することによって、このデータをグループ化しようとしています

df = structure(list(session_id = c(1105L, 1105L, 1105L, 1107L, 1107L, 
1107L, 1108L, 1108L, 1108L, 1109L, 1109L, 1109L, 1110L, 1110L, 
1110L, 1111L, 1111L, 1111L, 1111L, 1112L, 1112L, 1112L, 1112L, 
1114L, 1114L, 1114L, 1114L), datetime = structure(c(1457483622, 
1457483623, 1457483625, 1457484264, 1457484266, 1457484269, 1457484842, 
1457484844, 1457484846, 1457485297, 1457485299, 1457485300, 1457485369, 
1457485369, 1457485371, 1457486315, 1457486316, 1457486316, 1457486318, 
1457486477, 1457486480, 1457486480, 1457486481, 1457486997, 1457486997, 
1457486998, 1457487001), class = c("POSIXct", "POSIXt"), tzone = "UTC"), 
    request = c(8, 3, 3, 14, 14, 7, 9, 10, 10, 17, 6, 6, 10, 
    8, 5, 9, 11, 14, 16, 21, 11, 1, 19, 7, 4, 13, 20)), .Names = c("session_id", 
"datetime", "request"), row.names = c(NA, -27L), class = c("grouped_df", 
"tbl_df", "tbl", "data.frame")) 

50％がテストセットに入ります（テスト）。出力希望

： - 私たちは2（次の正の整数）として約1.5にそれを私たちに与え半分（50％）に分割して、あなたが1105 = session_idの見たよう

は3つのエントリが含まれています...そうTrain colには8,3があり、Test colには3が含まれています。...........と休憩にも同じことをします。セッションID

Answer 1

sample_fracの機能は、dplyrパッケージから利用できます。 slice(1:round(n() * 0.5))は、行の最初の50％のサンプルを指定します。 df_trainを作成した後、anti_joinを使用してdf_testを作成することができます。

library(dplyr) 

# Create ID by row and group data by session_id 
df <- df %>% 
    mutate(ID = 1:n()) %>% 
    group_by(session_id) 

# Take the first 50% sample of each group 
df_train <- df %>% 
    slice(1:round(n() * 0.5)) %>% 
    ungroup() 

# Filter out those records 
df_test <- df %>% 
    anti_join(df_train, by = "ID") %>% 
    ungroup() 

head(df_train) 
# # A tibble: 6 x 4 
# session_id   datetime request ID 
#  <int>    <dttm> <dbl> <int> 
# 1  1105 2016-03-09 00:33:42  8  1 
# 2  1105 2016-03-09 00:33:43  3  2 
# 3  1107 2016-03-09 00:44:24  14  4 
# 4  1107 2016-03-09 00:44:26  14  5 
# 5  1108 2016-03-09 00:54:02  9  7 
# 6  1108 2016-03-09 00:54:04  10  8 

head(df_test) 
# A tibble: 6 x 4 
# session_id   datetime request ID 
#  <int>    <dttm> <dbl> <int> 
# 1  1105 2016-03-09 00:33:45  3  3 
# 2  1107 2016-03-09 00:44:29  7  6 
# 3  1108 2016-03-09 00:54:06  10  9 
# 4  1109 2016-03-09 01:01:40  6 12 
# 5  1110 2016-03-09 01:02:51  5 15 
# 6  1111 2016-03-09 01:18:36  14 18