【Python数据分析】Pandas_sample随机抽样

随机抽样，是统计学中常用的一种方法，它可以帮助我们从大量的数据中快速地构建出一组数据分析模型。在 Pandas 中，如果想要对数据集进行随机抽样，需要使用 sample() 函数。

sample() 函数的语法格式如下：

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

参数说明如下表所示：

参数名称	参数说明
n	表示要抽取的行数。
frac	表示抽取的比例，比如 frac=0.5，代表抽取总体数据的50%。
replace	布尔值参数，表示是否以有放回抽样的方式进行选择，默认为 False，取出数据后不再放回。
weights	可选参数，代表每个样本的权重值，参数值是字符串或者数组。
random_state	可选参数，控制随机状态，默认为 None，表示随机数据不会重复；若为 1 表示会取得重复数据。
axis	表示在哪个方向上抽取数据(axis=1 表示列/axis=0 表示行)。

该函数返回与数据集类型相同的新对象，相当于 numpy.random.choice()。实例如下：

import pandas as pd
dict = {'name':["Jack", "Tom", "Helen", "John"],'age': [28, 39, 34, 36],'score':[98,92,91,89]}
info = pd.DataFrame(dict)
#默认随机选择两行
print(info.sample(n=2))
#随机选择两列
print(info.sample(n=2,axis=1))

运行结果：

   name  age  score
0  Jack   28     98
3  John   36     89
   score  age
0     98   28
1     92   39
2     91   34
3     89   36

再来看一组示例：

import pandas as pd
info = pd.DataFrame({'data1': [2, 6, 8, 0], 'data2': [2, 5, 0, 8], 'data3': [12, 2, 1, 8]}, index=['John', 'Parker', 'Smith', 'William'])
print(info)
print("\n")
#随机抽取3个数据
print(info['data1'].sample(n=3))
print("\n")
#总体的50%
print(info.sample(frac=0.5, replace=True))
print("\n")
#data3序列为权重值，并且允许重复数据出现
print(info.sample(n=2, weights='data3', random_state=1))

运行结果：

data1  data2  data3
John         2      2     12
Parker       6      5      2
Smith        8      0      1
William      0      8      8


John       2
William    0
Smith      8
Name: data1, dtype: int64


        data1  data2  data3
Parker      6      5      2
Smith       8      0      1


         data1  data2  data3
John         2      2     12
William      0      8      8

参考：C语言中文网