python-Pandas学习 如何对数据集随机抽样？

摘要：有时候我们只需要数据集中的一部分，并不需要全部的数据。这个时候我们就要对数据集进行随机的抽样。pandas中自带有抽样的方法。

应用场景：

我有10W行数据，每一行都11列的属性。

现在，我们只需要随机抽取其中的2W行。

实现方法很简单：

利用Pandas库中的sample。

DataFrame.sample(n=None, frac=None, replace=False, weights=None, random_state=None, axis=None)

n是要抽取的行数。（例如n=20000时，抽取其中的2W行）

frac是抽取的比列。（有一些时候，我们并对具体抽取的行数不关系，我们想抽取其中的百分比，这个时候就可以选择使用frac，例如frac=0.8，就是抽取其中80%）

replace：是否为有放回抽样，取replace=True时为有放回抽样。

weights这个是每个样本的权重，具体可以看官方文档说明。

random_state这个在之前的文章已经介绍过了。

axis是选择抽取数据的行还是列。axis=0的时是抽取行，axis=1时是抽取列（也就是说axis=1时，在列中随机抽取n列，在axis=0时，在行中随机抽取n行）

 

—————————————————————————————————————————————————————————

具体用法：

假设DataFrame为df

 

import pandas as pd
df.sample(n=20000)

 

 

 

 

 

 

另外，介绍一种不是Pandas中的方法。如果想用Numpy这个库进行也可以。

 

import numpy as np

np.random.sample(Your_index)