pandas dataframe抽样|极客笔记

pandas dataframe抽样

在数据分析中，经常会遇到需要对数据进行抽样的情况。抽样是指从总体中随机选择一部分样本作为代表总体的样本。在Python中，pandas库提供了丰富的抽样方法来帮助我们对数据进行抽样操作。本文将详细介绍pandas dataframe的抽样方法及其用法。

1. pandas dataframe抽样方法

pandas库中提供了多种方法进行数据抽样操作，常用的抽样方法包括：

sample()方法：对数据框进行随机抽样
loc[]方法：通过行标签进行抽样
iloc[]方法：通过整数下标进行抽样
frac参数：控制抽样比例
replace参数：控制是否有放回抽样

2. 使用`sample()`方法进行随机抽样

sample()方法可以对数据框进行随机抽样操作。其基本语法为：

df.sample(n=None, frac=None, replace=False, random_state=None)

n：表示要抽取的样本数量
frac：表示要抽取的比例
replace：表示是否有放回抽样
random_state：设置随机种子，保证每次抽样结果一致

下面是一个示例代码：

import pandas as pd

data = {'A': [1, 2, 3, 4, 5],
        'B': ['a', 'b', 'c', 'd', 'e']}
df = pd.DataFrame(data)

sample_data = df.sample(n=2, random_state=1)
print(sample_data)

运行结果为：

   A  B
1  2  b
3  4  d

在示例中，我们对数据框进行随机抽样，抽取了2行数据。

3. 使用`loc[]`方法进行标签抽样

loc[]方法可以通过行标签来进行抽样操作。其基本语法为：

df.loc[row_label]

下面是一个示例代码：

import pandas as pd

data = {'A': [1, 2, 3, 4, 5],
        'B': ['a', 'b', 'c', 'd', 'e']}
df = pd.DataFrame(data, index=['A', 'B', 'C', 'D', 'E'])

sample_data = df.loc[['A', 'C']]
print(sample_data)

运行结果为：

   A  B
A  1  a
C  3  c

在示例中，我们通过行标签对数据框进行抽样，抽取了’A’和’C’行的数据。

4. 使用`iloc[]`方法进行整数下标抽样

iloc[]方法可以通过整数下标来进行抽样操作。其基本语法为：

df.iloc[row_index]

下面是一个示例代码：

import pandas as pd

data = {'A': [1, 2, 3, 4, 5],
        'B': ['a', 'b', 'c', 'd', 'e']}
df = pd.DataFrame(data)

sample_data = df.iloc[[0, 2]]
print(sample_data)

运行结果为：

   A  B
0  1  a
2  3  c

在示例中，我们通过整数下标对数据框进行抽样，抽取了第1行和第3行的数据。

5. 控制抽样比例和是否有放回抽样

除了上述方法外，还可以通过frac参数和replace参数来控制抽样比例和是否有放回抽样。frac参数表示抽样比例，取值范围为(0, 1]，replace参数表示是否有放回抽样，取值为True或False。

下面是一个示例代码：

import pandas as pd

data = {'A': [1, 2, 3, 4, 5],
        'B': ['a', 'b', 'c', 'd', 'e']}
df = pd.DataFrame(data)

sample_data = df.sample(frac=0.5, replace=True, random_state=1)
print(sample_data)

运行结果为：