Pandas sample隨機(jī)抽樣的實(shí)現(xiàn)
隨機(jī)抽樣，是統(tǒng)計(jì)學(xué)中常用的一種方法，它可以幫助我們從大量的數(shù)據(jù)中快速地構(gòu)建出一組數(shù)據(jù)分析模型。在 Pandas 中，如果想要對(duì)數(shù)據(jù)集進(jìn)行隨機(jī)抽樣，需要使用 sample() 函數(shù)。
sample() 函數(shù)的語(yǔ)法格式如下：
DataFrame.sample(n=None, frac=None, replace=False, weights=None, random_state=None, axis=None)
參數(shù)說(shuō)明如下表所示：
| 參數(shù)名稱(chēng) | 參數(shù)說(shuō)明 |
|---|---|
| n | 表示要抽取的行數(shù)。 |
| frac | 表示抽取的比例，比如 frac=0.5，代表抽取總體數(shù)據(jù)的50%。 |
| replace | 布爾值參數(shù)，表示是否以有放回抽樣的方式進(jìn)行選擇，默認(rèn)為 False，取出數(shù)據(jù)后不再放回。 |
| weights | 可選參數(shù)，代表每個(gè)樣本的權(quán)重值，參數(shù)值是字符串或者數(shù)組。 |
| random_state | 可選參數(shù)，控制隨機(jī)狀態(tài)，默認(rèn)為 None，表示隨機(jī)數(shù)據(jù)不會(huì)重復(fù)；若為 1 表示會(huì)取得重復(fù)數(shù)據(jù)。 |
| axis | 表示在哪個(gè)方向上抽取數(shù)據(jù)(axis=1 表示列/axis=0 表示行)。 |
| 該函數(shù)返回與數(shù)據(jù)集類(lèi)型相同的新對(duì)象，相當(dāng)于 numpy.random.choice()。實(shí)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)
#默認(rèn)隨機(jī)選擇兩行
info.sample(n=2)
#隨機(jī)選擇兩列
info.sample(n=2,axis=1)輸出結(jié)果：
name age score
3 John 36 89
0 Jack 28 98score name
0 98 Jack
1 92 Tom
2 91 Helen
3 89 John
再來(lái)看一組示例：
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'])
info
#隨機(jī)抽取3個(gè)數(shù)據(jù)
info['data1'].sample(n=3)
#總體的50%
info.sample(frac=0.5, replace=True)
#data3序列為權(quán)重值，并且允許重復(fù)數(shù)據(jù)出現(xiàn)
info.sample(n=2, weights='data3', random_state=1)
輸出結(jié)果：
隨機(jī)選擇3行數(shù)據(jù)：
William 0
Smith 8
Parker 6
Name: data1, dtype: int64data1 data2 data3
John 2 2 12
William 0 8 8data1 data2 data3
John 2 2 12
William 0 8 8
到此這篇關(guān)于Pandas sample隨機(jī)抽樣的實(shí)現(xiàn)的文章就介紹到這了,更多相關(guān)Pandas sample隨機(jī)抽樣內(nèi)容請(qǐng)搜索腳本之家以前的文章或繼續(xù)瀏覽下面的相關(guān)文章希望大家以后多多支持腳本之家！
相關(guān)文章
8個(gè)Python中可復(fù)用函數(shù)的最佳實(shí)踐分享
在Python編程中,編寫(xiě)可復(fù)用的函數(shù)是提高代碼質(zhì)量和開(kāi)發(fā)效率的關(guān)鍵,本文將介紹8種最佳實(shí)踐,并提供豐富的示例代碼,希望可以幫助大家編寫(xiě)高質(zhì)量的可復(fù)用函數(shù)2023-12-12
DenseNet121模型實(shí)現(xiàn)26個(gè)英文字母識(shí)別任務(wù)
這篇文章主要為大家介紹了DenseNet121模型實(shí)現(xiàn)26個(gè)英文字母識(shí)別任務(wù)的實(shí)例過(guò)程，有需要的朋友可以借鑒參考下，希望能夠有所幫助，祝大家多多進(jìn)步，早日升職加薪2023-04-04
本篇文章主要介紹了python中字典的循環(huán)遍歷的兩種方式 ，小編覺(jué)得挺不錯(cuò)的，現(xiàn)在分享給大家，也給大家做個(gè)參考。一起跟隨小編過(guò)來(lái)看看吧2017-02-02
解決python2.7用pip安裝包時(shí)出現(xiàn)錯(cuò)誤的問(wèn)題
這篇文章主要介紹了在python2.7用pip安裝包時(shí)出現(xiàn)錯(cuò)誤問(wèn)題的解決方法，需要的朋友可以參考借鑒，下面來(lái)一起看看吧。2017-01-01
python自動(dòng)化操作之動(dòng)態(tài)驗(yàn)證碼、滑動(dòng)驗(yàn)證碼的降噪和識(shí)別
很多網(wǎng)站登錄都需要輸入驗(yàn)證碼,如果要實(shí)現(xiàn)自動(dòng)登錄就不可避免的要識(shí)別驗(yàn)證碼,下面這篇文章主要給大家介紹了關(guān)于python自動(dòng)化操作之動(dòng)態(tài)驗(yàn)證碼、滑動(dòng)驗(yàn)證碼的降噪和識(shí)別,需要的朋友可以參考下2021-08-08
Python?multiprocessing.value實(shí)現(xiàn)多進(jìn)程數(shù)據(jù)共享的示例
本文介紹了Python中的multiprocessing.value，通過(guò)示例代碼展示了如何使用這個(gè)類(lèi)實(shí)現(xiàn)多進(jìn)程數(shù)據(jù)共享，以及使用場(chǎng)景和注意事項(xiàng)等內(nèi)容，感興趣的朋友跟隨小編一起看看吧2023-07-07
詳解Python的Django框架中manage命令的使用與擴(kuò)展
這篇文章主要介紹了Python的Django框架中manage命令的使用與擴(kuò)展,manage.py使得用戶(hù)借助manage命令在命令行中能實(shí)現(xiàn)諸多簡(jiǎn)便的操作,需要的朋友可以參考下2016-04-04
這篇文章主要介紹了python如何將圖片生成視頻MP4問(wèn)題，具有很好的參考價(jià)值，希望對(duì)大家有所幫助。如有錯(cuò)誤或未考慮完全的地方，望不吝賜教2023-03-03
這篇文章主要介紹了Anaconda 的安裝教程，本文給大家介紹的非常詳細(xì)，對(duì)大家的學(xué)習(xí)或工作具有一定的參考借鑒價(jià)值,需要的朋友可以參考下2020-09-09
這篇文章主要為大家詳細(xì)介紹了Python讀取Word（.docx）正文信息的方法，具有一定的參考價(jià)值，感興趣的小伙伴們可以參考一下2018-03-03