将整数序列添加到约500行的数据框中

Question

我有一个506行的数据框。我正在尝试使用线性回归模型来实现k-fold交叉验证。这里是我的CSV的链接。

我在准备使用Leave-One-Out模型的火车和测试数据框架。 我收到以下作为输入：

df - data frame with 506 records 
k - fold cross-validation (example: 10) 

这是我做的准备测试和训练数据帧：

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 

不过，我要的是数据帧中被划分到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 

我是比较新的R.所以如果可能的话，请使用基础包，所以我明白我做错了什么？

Answer 1

如果我理解正确，问题出在您的idx列。以下是如何创建一个序列，其中的数据不会完全适合存储桶。你有506个观测值，你正在试图适应10个桶。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。无论如何，R通常会找出它处理的数据类型。

​​

UPDATE

随着加载csv数据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)