我正在进行一个项目，需要构建一个机器学习模型。我需要根据行名创建一个训练集和测试集。我已经搜索了几个小时，但始终找不到合适的代码。我有以下数据框：

df <- data.frame(docnr= c("doc1", "doc1", "doc2", "doc2", "doc3", "doc3"),x = c(1,4,2,3,6,5), y = c(5,6,3,9,5,2))docnr x y doc1 1 5 doc1 4 6 doc2 2 3 doc2 3 9 doc3 6 5 doc3 5 2

现在我想根据docnr列创建训练集和测试集。例如，doc1和doc3必须在训练集中，而doc2必须在测试集中。

train =  doc1 1 5 doc1 4 6 doc3 6 5 doc3 5 2test = doc2 2 3doc2 3 9

使用以下代码，我能够创建训练集和测试集，但这并不是我想要的结果。

smp_size <- floor(0.67 * nrow(df))train_ind <- sample(seq_len(nrow(df)), size = smp_size)train <- df[train_ind, ]test <- df[-train_ind, ]

回答：

如果你需要随机生成train和test，你可以首先根据docnr分割你的df，然后根据你想要的比例打乱生成的数据框列表；最后将数据框合并到train和test中。

# Split df per docnrd1 <- split(df,df$docnr)# Define ratio and shufflesmp_size <- floor(0.67 * length(d1))train_ind <- sample(seq_len(length(d1)), size = smp_size)# define train and testtrain <- rbindlist(d1[train_ind])test <- rbindlist(d1[-train_ind])