#简单的随机抽样 随机的抽取200个,因为loadtxt读取的类型为张量,sample无法读取,所以用下面的行驶 def rand_sample(file): data = np.loadtxt(file) num_sample = len(data) indexs = list(range(num_sample)) rand_index = random.sample(indexs,200) new_sample = data[rand_index] print(new_sample) #等距抽样 def Equidistant_sample(file): new_data = [] data = np.loadtxt(file) num_sample = 200 #抽取的样本的个数 num_data = len(data) #共有的样本的数量 step_size = int(num_data/num_sample) #每一步的长都 for i in range(num_sample): new_data.append(data[i*step_size]) print(new_data) #分层抽样 def layer_sample(file): data = np.loadtxt(file) #导入带有标签的数据 each_sample_count = 20 #定义每层 抽样的个数 unique_labels = np.unique(data[:,-1]) new_data = [] #用于存放最后的数据 for value in unique_labels: #遍历每一个不同的标签 label_data = [] #暂时的存放对应的标签的数据 for row in data: if row[-1] == value: label_data.append(row) sample = random.sample(label_data,each_sample_count) new_data.extend(sample) #因为sample为[[],[],[]]的形式所以用entend print(new_data) #整群抽样就是随机的抽缩几个类别对应的所有的数据 def Whole_group_sample(file): data = np.loadtxt(file) unique_labels = np.unique(data[:,-1]) rand_label = random.sample(list(unique_labels),2) #抽取两个类的数据,因为sample无法抽取张量里面的所以转换成list new_data = [] for value in rand_label: for row in data: if row[-1] == value: new_data.append(row) print(new_data) Whole_group_sample('data4.txt')
四种抽样方法
最新推荐文章于 2022-08-23 11:22:18 发布