数据处理之随机抽样

#-*- coding: utf-8 -*-
#1. 概念：随机抽样，是指随机从数据中，按照一定的行数或者比例抽取数据
#随机抽样函数：DataFrame.sample(n,frac,replace=False)
#n:按个数抽样
#frac:按百分比抽样
#注：以上两个参数只能任意设置一个
#replace:是否可放回抽样，默认为False不可放回（所谓能否放回即被抽取过的数据还能不能被再次抽取）
#返回值:抽样后的数据框

import numpy
import pandas

df = pandas.read_csv('D:/workspaces/python/pythonStudy/14.csv')



#设置随机种子
numpy.random.seed(seed=2)

#按照个数抽样
df.sample(n=10) #随机抽取10条记录

#按照百分比抽样
df.sample(frac=0.02) #抽取百分之二的数据

df.sample(n=10,replace=True) #可放回的随机抽样


#分组抽样：
gbr = df.groupby("class")  #按班级分组



gbr.groups #得到所有的分组字典。每一组的成员是各行的索引

#基于上述知识：
#1. 按个数进行分组抽样：
#使用字典定义抽样方式：1班中抽2个人，2班抽4个人，3班抽6个人
typicalNDict = {