快捷導(dǎo)航

pandas之query方法和sample隨機(jī)抽樣操作

更新時(shí)間：2021年03月06日 08:57:24 作者：風(fēng)雪云俠

這篇文章主要介紹了pandas之query方法和sample隨機(jī)抽樣操作，具有很好的參考價(jià)值，希望對(duì)大家有所幫助。一起跟隨小編過(guò)來(lái)看看吧

query方法

在 pandas 中，支持把字符串形式的查詢表達(dá)式傳入 query 方法來(lái)查詢數(shù)據(jù)，其表達(dá)式的執(zhí)行結(jié)果必須返回布爾列表。在進(jìn)行復(fù)雜索引時(shí)，由于這種檢索方式無(wú)需像普通方法一樣重復(fù)使用 DataFrame 的名字來(lái)引用列名，一般而言會(huì)使代碼長(zhǎng)度在不降低可讀性的前提下有所減少。

例如

In [61]: df.query('((School == "Fudan University")&'
  ....:     ' (Grade == "Senior")&'
  ....:     ' (Weight > 70))|'
  ....:     '((School == "Peking University")&'
  ....:     ' (Grade != "Senior")&'
  ....:     ' (Weight > 80))')
  ....: 
Out[61]: 
        School   Grade      Name Gender Weight Transfer
38  Peking University Freshman    Qiang Han  Male  87.0    N
66  Fudan University  Senior Chengpeng Zhou  Male  81.0    N
99  Peking University Freshman Changpeng Zhao  Male  83.0    N
131  Fudan University  Senior Chengpeng Qian  Male  73.0    Y

在 query 表達(dá)式中，幫用戶注冊(cè)了所有來(lái)自 DataFrame 的列名，所有屬于該 Series 的方法都可以被調(diào)用，和正常的函數(shù)調(diào)用并沒(méi)有區(qū)別，例如查詢體重超過(guò)均值的學(xué)生：

In [62]: df.query('Weight > Weight.mean()').head()
Out[62]: 
              School   Grade      Name Gender Weight Transfer
1        Peking University  Freshman Changqiang You  Male  70.0    N
2  Shanghai Jiao Tong University   Senior     Mei Sun  Male  89.0    N
4        Fudan University Sophomore   Gaojuan You  Male  74.0    N
10 Shanghai Jiao Tong University  Freshman  Xiaopeng Zhou  Male  74.0    N
14      Tsinghua University   Senior  Xiaomei Zhou Female  57.0    N

同時(shí)，在 query 中還注冊(cè)了若干英語(yǔ)的字面用法，幫助提高可讀性，例如： or, and, or, is in, not in 。

例如，篩選出男生中不是大一大二的學(xué)生：

In [63]: df.query('(Grade not in ["Freshman", "Sophomore"]) and'
  ....:     '(Gender == "Male")').head()
  ....: 
Out[63]: 
              School  Grade      Name Gender Weight Transfer
2  Shanghai Jiao Tong University Senior    Mei Sun  Male  89.0    N
16      Tsinghua University Junior Xiaoqiang Qin  Male  68.0    N
17      Tsinghua University Junior   Peng Wang  Male  65.0    N
18      Tsinghua University Senior  Xiaofeng Sun  Male  71.0    N
21 Shanghai Jiao Tong University Senior Xiaopeng Shen  Male  62.0   NaN

此外，在字符串中出現(xiàn)與列表的比較時(shí)， ==和!= 分別表示元素出現(xiàn)在列表和沒(méi)有出現(xiàn)在列表，等價(jià)于 is in 和 not in，例如查詢所有大三和大四的學(xué)生：

In [64]: df.query('Grade == ["Junior", "Senior"]').head()
Out[64]: 
              School  Grade      Name Gender Weight Transfer
2  Shanghai Jiao Tong University Senior    Mei Sun  Male  89.0    N
7       Tsinghua University Junior Gaoqiang Qian Female  50.0    N
9        Peking University Junior    Juan Xu Female   NaN    N
11      Tsinghua University Junior  Xiaoquan Lv Female  43.0    N
12 Shanghai Jiao Tong University Senior    Peng You Female  48.0   NaN

對(duì)于 query 中的字符串，如果要引用外部變量，只需在變量名前加 @ 符號(hào)。例如，取出體重位于70kg到80kg之間的學(xué)生：

In [65]: low, high =70, 80

In [66]: df.query('Weight.between(@low, @high)').head()
Out[66]: 
              School   Grade      Name Gender Weight Transfer
1        Peking University  Freshman Changqiang You  Male  70.0    N
4        Fudan University Sophomore   Gaojuan You  Male  74.0    N
10 Shanghai Jiao Tong University  Freshman  Xiaopeng Zhou  Male  74.0    N
18      Tsinghua University   Senior  Xiaofeng Sun  Male  71.0    N
35       Peking University  Freshman   Gaoli Zhao  Male  78.0    N

隨機(jī)抽樣

如果把 DataFrame 的每一行看作一個(gè)樣本，或把每一列看作一個(gè)特征，再把整個(gè) DataFrame 看作總體，想要對(duì)樣本或特征進(jìn)行隨機(jī)抽樣就可以用 sample 函數(shù)。有時(shí)在拿到大型數(shù)據(jù)集后，想要對(duì)統(tǒng)計(jì)特征進(jìn)行計(jì)算來(lái)了解數(shù)據(jù)的大致分布，但是這很費(fèi)時(shí)間。

同時(shí)，由于許多統(tǒng)計(jì)特征在等概率不放回的簡(jiǎn)單隨機(jī)抽樣條件下，是總體統(tǒng)計(jì)特征的無(wú)偏估計(jì)，比如樣本均值和總體均值，那么就可以先從整張表中抽出一部分來(lái)做近似估計(jì)。

sample 函數(shù)中的主要參數(shù)為 n, axis, frac, replace, weights ，前三個(gè)分別是指抽樣數(shù)量、抽樣的方向（0為行、1為列）和抽樣比例（0.3則為從總體中抽出30%的樣本）。

replace 和 weights 分別是指是否放回和每個(gè)樣本的抽樣相對(duì)概率，當(dāng) replace = True 則表示有放回抽樣。例如，對(duì)下面構(gòu)造的 df_sample 以 value 值的相對(duì)大小為抽樣概率進(jìn)行有放回抽樣，抽樣數(shù)量為3。

In [67]: df_sample = pd.DataFrame({'id': list('abcde'),
  ....:              'value': [1, 2, 3, 4, 90]})
  ....:

In [68]: df_sample
Out[68]: 
 id value
0 a   1
1 b   2
2 c   3
3 d   4
4 e   90

In [69]: df_sample.sample(3, replace = True, weights = df_sample.value)
Out[69]: 
 id value
4 e   90
4 e   90
4 e   90

補(bǔ)充：pandas.DataFrame.sample 隨機(jī)選取若干行

1、數(shù)據(jù)切片選取

1.1 pandas.DataFrame.sample 隨機(jī)選取若干行

1.1.1 功能說(shuō)明

有時(shí)候我們只需要數(shù)據(jù)集中的一部分，并不需要全部的數(shù)據(jù)。這個(gè)時(shí)候我們就要對(duì)數(shù)據(jù)集進(jìn)行隨機(jī)的抽樣。pandas中自帶有抽樣的方法。

功能相似：numpy.random.choice

Generates a random sample from a given 1-D numpy array.

1.1.2 使用說(shuō)明

1.函數(shù)名及功能

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

2.輸入?yún)?shù)說(shuō)明

參數(shù)名稱	參數(shù)說(shuō)明	舉例說(shuō)明
n	要抽取的行數(shù)	df.sample(n=3,random_state=1) 提取3行數(shù)據(jù)列表注意，使用random_state，以確?？芍貜?fù)性的例子。
frac	抽取行的比例例如frac=0.8，就是抽取其中80%。	df.sample(frac=0.8, replace=True, random_state=1)
replace	是否為有放回抽樣， True:有放回抽樣 False:未放回抽樣	True:取行數(shù)據(jù)后，可以重復(fù)放回后再取 False:取行數(shù)據(jù)后不放回，下次取其它行數(shù)據(jù) 注意：當(dāng)N>總數(shù)據(jù)容量，replace設(shè)置為值時(shí)有效
weights	字符索引或概率數(shù)組 axis=0:為行字符索引或概率數(shù)組 axis=1:為列字符索引或概率數(shù)組
random_state	int: 隨機(jī)數(shù)發(fā)生器種子或numpy.random.RandomState	random_state=None,取得數(shù)據(jù)不重復(fù) random_state=1,可以取得重復(fù)數(shù)據(jù)
axis	選擇抽取數(shù)據(jù)的行還是列 axis=0:抽取行 axis=1:抽取列	也就是說(shuō)axis=1時(shí)，在列中隨機(jī)抽取n列，在axis=0時(shí)，在行中隨機(jī)抽取n行。