1.抽样
随机抽样,保证所有样本被抽中的概率一样
样本要足够大
# 1.导入 random(随机数) 模块
import random
'''
使用random 模块的 randint() 函数来生成随机数
语法是:random.randint(a,b)
函数返回数字 N ,
N 为a到b之间的数字(a <= N <= b),包含 a 和 b
下面案例是生成0 ~ 9 之间的随机数,
你每次执行后都返回不同的数字(0 到 9)
'''
a=random.randint(0,9)
print(a)
![f5ddbdd6e4cb41115b30c11f141dcec4.png](https://i-blog.csdnimg.cn/blog_migrate/2e57ff37d19c7923a9bb9af591199165.png)
# 2.案例:抽奖
'''
range() 函数可创建一个整数列表,一般用在 for 循环中。
使用语法:range(start, stop[, step])
参数说明:
start: 计数从 start 开始。默认是从 0 开始。例如range(5)等价于range(0, 5)
start: 计数从 start 开始,但不包括 stop。例如:range(0, 5) 是[0, 1, 2, 3, 4]没有5
step:步长,默认为1。例如:range(0, 5) 等价于 range(0, 5, 1)
-----------------------------
抽奖:生成多个随机数
应用案例:从395个用户中随机抽取10个人作为中奖者
'''
for i in range(10):
userId=random.randint(0,395)
#用%s格式化字符串
print('第 %s 位获奖用户id是 %s' % (i,userId) )
![9e1549b9fa2e436e48c6235b00dc99f9.png](https://i-blog.csdnimg.cn/blog_migrate/f3da48a99ad243ae1b91215e7302a5b1.jpeg)
# 3.pandas数据框(DataFrame)的抽样方法
#导入包
import numpy as np #数组包
import pandas as pd #数据分析包
'''
#arange产生一个含有5*4个元素的一维数组
reshape:将数组转换成5行4列的二维数组
'''
df = pd.DataFrame(np.arange(5 * 4).reshape((5, 4)))
df
![ec0f4574f63ba9812d6e333ef8119f2f.png](https://i-blog.csdnimg.cn/blog_migrate/743d0c9e0786bcc424c3bcce60a02ca5.jpeg)
#随机选择一个n行的子集
sample1=df.sample(n=3)
sample1
![79b8cd93a5511d1c87674c840d9365ae.png](https://i-blog.csdnimg.cn/blog_migrate/c401a0dbf5b5709edf77becdf5ce3694.jpeg)
2.中心极限定理及其用处
![8ed0a51b815e251e45b55da732668547.png](https://i-blog.csdnimg.cn/blog_migrate/4f64c1af94f1860b8bd819ed6764b98a.jpeg)
![4435363fb38ebae39bcd1f3b4f1f87a6.png](https://i-blog.csdnimg.cn/blog_migrate/737fff9ac6e52cd73dcd70068c38c1d7.jpeg)
![a351de9026a37c6262be25db6bb5749f.png](https://i-blog.csdnimg.cn/blog_migrate/60781846f078c58d8d5e46f82a5578e0.jpeg)
![08f73711a6a809b79ff769198e86df15.png](https://i-blog.csdnimg.cn/blog_migrate/169a5816a9d16b2e2fdf20eddce0d3ef.jpeg)
![47cf8df1fa4a7f6404b67389ef1fcff9.png](https://i-blog.csdnimg.cn/blog_migrate/795c614387a6509028e7740966aaab98.jpeg)
![2ece80095d146523a5ad96bd271da5cc.png](https://i-blog.csdnimg.cn/blog_migrate/67825a8f18e6a92adcae942c64f76d83.jpeg)
3.如何避免偏见
- 样本偏差:即小样本会以偏概全。
- 幸存者偏差:又叫沉默的数据,死人不会说话等。我们经常关注那些显而易见的样本,却不 关注不太出现或者不出现的样本。所以我们也要多关注不太出现或者不出现的样本。
- 概率偏见:即心理概率与客观概率的不吻合。所以我们要学好概率统计。
- 信息茧房:即长期关注某方面信息而忽略了其他方面的信息,从而使得自己长期处于一个自己关注的信息牢房里面,长期会导致自己观念极化。如互联网个性化推荐,使得人们长期处于相同类型的信息里面,而不关注其他信息;这使得人们出现观念极化。如我们可以通过不使用个性化推荐的应用来避免这种观念极化。