阅读(1017)
赞(0)
Pandas 随机抽样
2022-07-11 17:58:47 更新
随机抽样，是统计学中常用的一种方法，它可以帮助我们从大量的数据中快速地构建出一组数据分析模型。在 Pandas 中，如果想要对数据集进行随机抽样，需要使用 sample() 函数。
sample() 函数的语法格式如下：
DataFrame.sample(n=None, frac=None, replace=False, weights=None, random_state=None, axis=None)
参数说明如下表所示：
| 参数名称 | 参数说明 |
|---|---|
| n | 表示要抽取的行数。 |
| frac | 表示抽取的比例，比如 frac=0.5，代表抽取总体数据的50%。 |
| replace | 布尔值参数，表示是否以有放回抽样的方式进行选择，默认为 False，取出数据后不再放回。 |
| weights | 可选参数，代表每个样本的权重值，参数值是字符串或者数组。 |
| random_state | 可选参数，控制随机状态，默认为 None，表示随机数据不会重复；若为 1 表示会取得重复数据。 |
| axis | 表示在哪个方向上抽取数据(axis=1 表示列/axis=0 表示行)。 |
该函数返回与数据集类型相同的新对象，相当于 numpy.random.choice()。实例如下：
import pandas as pd
dict = {'name':["Jack", "Tom", "Helen", "John"],'age': [28, 39, 34, 36],'score':[98,92,91,89]}
info = pd.DataFrame(dict)
#默认随机选择两行
print(info.sample(n=2))
#随机选择两列
print(info.sample(n=2,axis=1))输出结果：
name age score 3 John 36 89 0 Jack 28 98 score name 0 98 Jack 1 92 Tom 2 91 Helen 3 89 John
再来看一组示例：
import pandas as pd
info = pd.DataFrame({'data1': [2, 6, 8, 0], 'data2': [2, 5, 0, 8], 'data3': [12, 2, 1, 8]}, index=['John', 'Parker', 'Smith', 'William'])
print(info)
#随机抽取3个数据
print(info['data1'].sample(n=3))
#总体的50%
print(info.sample(frac=0.5, replace=True))
#data3序列为权重值，并且允许重复数据出现
print(info.sample(n=2, weights='data3', random_state=1))输出结果：
随机选择3行数据：
William 0
Smith 8
Parker 6
Name: data1, dtype: int64
data1 data2 data3
John 2 2 12
William 0 8 8
data1 data2 data3
John 2 2 12
William 0 8 8