python调用随机分层抽样方法_如何使用Python进行随机分层抽样(不是训练/测试分割)?...

这是我目前为止最好的解决方案。重要的是,在每个地层之前对连续变量进行分类,并使观测值最少。在

在本例中,我是:产生人口

纯随机抽样

随机分层抽样

当比较两个样本时,分层样本更能代表总体人口。在

如果任何人有一个更好的方法,请随时分享。在import pandas as pd

import numpy as np

# Generate random population (100K)

population = pd.DataFrame(index=range(0,100000))

population['income'] = 0

population['income'].iloc[39000:80000] = 1

population['income'].iloc[80000:] = 2

population['sex'] = np.random.randint(0,2,100000)

population['age'] = np.random.randint(0,4,100000)

pop_count = population.groupby(['income', 'sex', 'age'])['income'].count()

# Random sampling (100 observations out of 100k)

random_sample = population.iloc[

np.random.randint(

0,

len(population),

int(len(population) / 1000)

)

]

# Random Stratified Sampling (100 observations out of 100k)

stratified_sample = list(map(lambda x : population[

(

population['income'] == pop_count.index[x][0]

)

&

(

population['sex'] == pop_count.index[x][1]

)

&

(

population['age'] == pop_count.index[x][2]

)

].sample(frac=0.001), range(len(pop_count))))

stratified_sample = pd.concat(stratified_sample)

Python实现随机样、分层抽样和系统样可以通过`random`、`numpy`等模块来完成。下面是分别介绍这三种方法的实现方式: 1. 随机样: 随机样指的是从总体随机选择样本,每个样本被选的概率相同。在Python,可以使用`random`模块的`random()`函数或`numpy`库的`numpy.random.choice()`函数来实现。 ```python import random # 假设有一个总体样本列表 population = [1, 2, 3, 4, 5, 6, 7, 8, 9, 10] # 随机样,取3个样本 samples = random.sample(population, 3) print(samples) ``` 2. 分层抽样分层抽样是在总体按照某些特征将总体分成若干个互不相交的子集(层),然后从每一层中随机取样本。分层抽样能够确保每个层中的特征在样本得到反映。 ```python import numpy as np # 假设总体数据和分层标签如下 data = {'group1': [1, 2, 3, 4], 'group2': [5, 6], 'group3': [7, 8, 9, 10]} strata = ['group1', 'group2', 'group3'] # 从每层中取一个样本 strata_samples = {key: np.random.choice(value, 1)[0] for key, value in data.items()} print(strata_samples) ``` 3. 系统样: 系统样是从总体按照固定的间隔(系统间隔)取样本,首先随机确定起点,然后按间隔选取后续样本。 ```python import numpy as np # 假设有一个总体样本列表和样本间隔 population = [1, 2, 3, 4, 5, 6, 7, 8, 9, 10] interval = 3 # 计算样本总数 num_samples = len(population) # 随机选择起点 start = np.random.randint(0, interval) # 系统样 samples = population[start::interval] print(samples) ```
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值