19_Pandas随机抽取行和列的样本（sample）

19_Pandas随机抽取行和列的样本（sample）

在检查具有许多行的pandas.DataFrame，pandas.Series的数据时，使用sample（）方法随机抽取行或列（随机抽样）很方便。

还有其他方法可用于检查pandas.DataFrame和pandas.Series数据，head（）和tail（），它们会返回第一行和最后一行。
请参见以下文章。

• 18_Pandas.DataFrame，取得Series的头和尾（head和tail）

将描述以下内容。

• sample（）的默认行为
• 指定要提取的行数和列数：参数n
• 指定要提取的行和列的比例：参数frac
• 固定随机：参数random_state
• 允许重复：参数replace
• 指定行/列：参数axis

使用seaborn中的iris数据集作为样本。

import pandas as pd
import seaborn as sns

df = sns.load_dataset("iris")
print(df.shape)
# (150, 5)

sample（）的默认行为

如果未提供任何参数，则将随机返回一行。

print(df.sample())
#      sepal_length  sepal_width  petal_length  petal_width    species
# 108           6.7          2.5           5.8          1.8  virginica

指定要提取的行数和列数：参数n

可以使用参数n指定要提取的行数和列数。

print(df.sample(n=3))
#     sepal_length  sepal_width  petal_length  petal_width     species
# 3            4.6          3.1           1.5          0.2      setosa
# 1            4.9          3.0           1.4          0.2      setosa
# 96           5.7          2.9           4.2          1.3  versicolor

指定要提取的行和列的比例：参数frac

可以使用参数frac指定要提取的行和列的比率。 1是100％。不能同时指定n和frac。

print(df.sample(frac=0.04))
#      sepal_length  sepal_width  petal_length  petal_width     species
# 119           6.0          2.2           5.0          1.5   virginica
# 97            6.2          2.9           4.3          1.3  versicolor
# 46            5.1          3.8           1.6          0.2      setosa
# 137           6.4          3.1           5.5          1.8   virginica
# 56            6.3          3.3           4.7          1.6  versicolor
# 62            6.0          2.2           4.0          1.0  versicolor

固定随机：参数random_state

可以使用参数random_state指定随机数。随机数是固定的，因此总是返回相同的行和列。

print(df.sample(n=3, random_state=0))
#      sepal_length  sepal_width  petal_length  petal_width     species
# 114           5.8          2.8           5.1          2.4   virginica
# 62            6.0          2.2           4.0          1.0  versicolor
# 33            5.5          4.2           1.4          0.2      setosa

允许重复：参数replace

如果参数replace设置为True，则允许重复的行/列。默认值为False。

如果replace = True，则可以指定比原始行和列数更多的采样数。

print(df.head(3).sample(n=3, replace=True))
#    sepal_length  sepal_width  petal_length  petal_width species
# 2           4.7          3.2           1.3          0.2  setosa
# 1           4.9          3.0           1.4          0.2  setosa
# 1           4.9          3.0           1.4          0.2  setosa

print(df.head(3).sample(n=5, replace=True))
#    sepal_length  sepal_width  petal_length  petal_width species
# 1           4.9          3.0           1.4          0.2  setosa
# 0           5.1          3.5           1.4          0.2  setosa
# 1           4.9          3.0           1.4          0.2  setosa
# 0           5.1          3.5           1.4          0.2  setosa
# 0           5.1          3.5           1.4          0.2  setosa

指定行/列：参数axis

如果参数轴为1，则可以随机提取列。与到目前为止的示例一样，默认值为0（行）。

print(df.head().sample(n=2, axis=1))
#    sepal_width species
# 0          3.5  setosa
# 1          3.0  setosa
# 2          3.2  setosa
# 3          3.1  setosa
# 4          3.6  setosa