24-Pandas随机选择样本

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
import numpy as np
empdata = pd.read_csv("C:\\Users\\qwy\\Desktop\\data\\empdata.csv")

print("随机抽取3行数据：\n",empdata.sample(n=3))

print("随机抽取3列数据：\n",empdata.sample(n=3,axis=1))

输出结果：

随机抽取3行数据：
    EMPNO   ENAME       JOB     MGR    HIREDATE   SAL    COMM  DEPTNO
9   7844  TURNER  SALESMAN  7698.0  1981-09-08  1500     0.0      30
4   7654  MARTIN  SALESMAN  7698.0  1981-09-28  1250  1400.0      30
0   7369   SMITH     CLERK  7902.0  1980-12-17   800     NaN      20
随机抽取3列数据：
     EMPNO   ENAME  DEPTNO
0    7369   SMITH      20
1    7499   ALLEN      30
2    7521    WARD      30
3    7566   JONES      20
4    7654  MARTIN      30
5    7698   BLAKE      30
6    7782   CLARK      10
7    7788   SCOTT      20
8    7839    KING      10
9    7844  TURNER      30
10   7876   ADAMS      20
11   7900   JAMES      30
12   7902    FORD      20
13   7934  MILLER      10

再来看一组示例：

import pandas as pd
import numpy as np
empdata = pd.read_csv("C:\\Users\\qwy\\Desktop\\data\\empdata.csv")

print("随机抽取三个数据：\n",empdata['ENAME'].sample(n=3))

print("随机抽取50%数据：\n",empdata.sample(frac=0.5,replace=True))

输出结果：

随机抽取三个数据：
 1     ALLEN
8      KING
9    TURNER
Name: ENAME, dtype: object
随机抽取50%数据：
     EMPNO  ENAME       JOB     MGR    HIREDATE   SAL   COMM  DEPTNO
0    7369  SMITH     CLERK  7902.0  1980-12-17   800    NaN      20
5    7698  BLAKE   MANAGER  7839.0  1981-05-01  2850    NaN      30
12   7902   FORD   ANALYST  7566.0  1981-12-03  3000    NaN      20
5    7698  BLAKE   MANAGER  7839.0  1981-05-01  2850    NaN      30
2    7521   WARD  SALESMAN  7698.0  1981-02-22  1250  500.0      30
0    7369  SMITH     CLERK  7902.0  1980-12-17   800    NaN      20
5    7698  BLAKE   MANAGER  7839.0  1981-05-01  2850    NaN      30