Pandas:随机重排列和随机采样--permutation和take

版权声明:本文为博主原创文章,未经博主允许不得转载。 https://blog.csdn.net/bqw18744018044/article/details/79964599
import numpy as np
import pandas as pd
from pandas import Series,DataFrame

一、随机重排列

df = DataFrame({'水果':['苹果','梨','草莓'],
               '价格':[7,8,9],
               '数量':[3,4,5]})
print(df)
   价格  数量  水果
0   7   3  苹果
1   8   4   梨
2   9   5  草莓

1.permutation:产生0到n-1的所有整数的随机排列

sampler = np.random.permutation(3)
sampler
array([2, 0, 1])

2.行随机排列

print(df.take(sampler))
   价格  数量  水果
2   9   5  草莓
0   7   3  苹果
1   8   4   梨

3.列随机排列

print(df.take(sampler,axis=1))
   水果  价格  数量
0  苹果   7   3
1   梨   8   4
2  草莓   9   5

二、随机采样

1.方法一:sampler和take

sampler = np.random.randint(0,3,size=10)
sampler
array([1, 1, 2, 1, 0, 1, 1, 1, 2, 1])
print(df.take(sampler))
   价格  数量  水果
1   8   4   梨
1   8   4   梨
2   9   5  草莓
1   8   4   梨
0   7   3  苹果
1   8   4   梨
1   8   4   梨
1   8   4   梨
2   9   5  草莓
1   8   4   梨

2.方法二:sample

df = pd.DataFrame(np.random.randn(50, 4), columns=list('ABCD'))
print(df.sample(n=3)) # n指定采样的个数
           A         B         C         D
46 -0.326369  1.191733  0.236718 -1.431329
45  0.368650  0.842136 -0.377916  0.803630
11  0.200736 -0.947885  0.534033  0.063705
print(df.sample(frac=0.1, replace=True)) # frac指定采样占原始数据的比例,replace=True表示有放回采样
           A         B         C         D
21 -1.393670  0.975525  0.898628 -0.555626
6   0.193062  0.972656  0.363302  0.647708
0  -0.538436  0.100367  0.194239 -0.782900
39  1.446714  0.535496 -0.264152 -1.819099
1   1.532854 -1.903245  0.689802  0.789996
阅读更多
想对作者说点什么? 我来说一句

没有更多推荐了,返回首页