Python中如何实现分层抽样

Python中如何实现分层抽样

在我们日常的数据分析工作中，常用到随机抽样这一数据获取的方法。

如果我们想在一个大的数据总体中，按照数据的不同分类进行分层抽样，在Python中如何用代码来实现这一操作呢。

下面我们要进行分层抽样的应用背景：

随机抽取2017年重庆市不同区域高中学生的高考成绩。

这里数据总体为2017年重庆市所有区域高中的学生高考成绩。

分层抽样按照区域分类。

设沙坪坝区为1，渝北区为2，南岸区为3（作为方法展示，只列出三个区，实际分析中按照抽样方法添加参数即可

代码实现：

#分层抽样
gbr = data.groupby("area")

gbr.groups

typicalFracDict = {
    1: 0.2, 
    2: 0.4, 
    3: 0.6
}

def typicalSampling(group, typicalFracDict):
    name = group.name
    frac = typicalFracDict[name]
    return group.sample(frac=frac)

result = data.groupby(
    'area', group_keys=False
).apply(typicalSampling, typicalFracDict)

由此，即实现了将重庆市2017年不同区域学生高考成绩按照不同区域的比例进行随机抽取，以方便完成后续的数据分析。