快捷導(dǎo)航

pandas按某2列進(jìn)行分層隨機(jī)抽樣的實(shí)現(xiàn)

更新時(shí)間：2024年12月31日 10:52:38 作者：frostjsy

本文主要介紹了pandas按某2列進(jìn)行分層隨機(jī)抽樣的實(shí)現(xiàn),文中通過(guò)示例代碼介紹的非常詳細(xì),對(duì)大家的學(xué)習(xí)或者工作具有一定的參考學(xué)習(xí)價(jià)值,需要的朋友們下面隨著小編來(lái)一起學(xué)習(xí)學(xué)習(xí)吧

在某些情況下，你可能需要按多列組合后的分組進(jìn)行分層隨機(jī)抽樣。pandas 提供了靈活的數(shù)據(jù)操作方法，你可以使用 groupby 和 apply 方法結(jié)合 sample 來(lái)實(shí)現(xiàn)這種需求。具體來(lái)說(shuō)，你可以先按多列分組，然后對(duì)每個(gè)分組進(jìn)行隨機(jī)抽樣。

示例數(shù)據(jù)

首先，創(chuàng)建一個(gè)包含兩列的數(shù)據(jù) DataFrame：

import pandas as pd

# 創(chuàng)建一個(gè)示例 DataFrame
data = {
    'name': ['Alice', 'Bob', 'Charlie', 'David', 'Eve', 'Frank', 'Grace', 'Hannah', 
             'Alice', 'Bob', 'Charlie', 'David', 'Eve', 'Frank', 'Grace', 'Hannah'],
    'age': [25, 30, 35, 40, 45, 50, 55, 60, 25, 30, 35, 40, 45, 50, 55, 60],
    'city': ['New York', 'Los Angeles', 'Chicago', 'Houston', 'Phoenix', 'Philadelphia', 'San Antonio', 'San Diego',
             'New York', 'Los Angeles', 'Chicago', 'Houston', 'Phoenix', 'Philadelphia', 'San Antonio', 'San Diego'],
    'department': ['HR', 'Finance', 'IT', 'Marketing', 'Sales', 'R&D', 'Admin', 'HR',
                   'Finance', 'IT', 'Marketing', 'Sales', 'R&D', 'Admin', 'HR', 'Finance']
}
df = pd.DataFrame(data)

print(df)
# 輸出：
#        name  age         city department
# 0     Alice   25     New York         HR
# 1       Bob   30  Los Angeles    Finance
# 2   Charlie   35      Chicago         IT
# 3     David   40      Houston  Marketing
# 4       Eve   45      Phoenix      Sales
# 5     Frank   50  Philadelphia        R&D
# 6     Grace   55   San Antonio      Admin
# 7    Hannah   60     San Diego         HR
# 8     Alice   25     New York    Finance
# 9       Bob   30  Los Angeles         IT
# 10  Charlie   35      Chicago  Marketing
# 11    David   40      Houston      Sales
# 12      Eve   45      Phoenix        R&D
# 13    Frank   50  Philadelphia      Admin
# 14    Grace   55   San Antonio         HR
# 15   Hannah   60     San Diego    Finance

按兩列分組并進(jìn)行分層隨機(jī)抽樣

假設(shè)你希望按 city 和 department 列進(jìn)行分組，并從每個(gè)組中隨機(jī)抽取一個(gè)樣本。你可以這樣實(shí)現(xiàn)：

import pandas as pd

# 創(chuàng)建一個(gè)示例 DataFrame
data = {
    'name': ['Alice', 'Bob', 'Charlie', 'David', 'Eve', 'Frank', 'Grace', 'Hannah', 
             'Alice', 'Bob', 'Charlie', 'David', 'Eve', 'Frank', 'Grace', 'Hannah'],
    'age': [25, 30, 35, 40, 45, 50, 55, 60, 25, 30, 35, 40, 45, 50, 55, 60],
    'city': ['New York', 'Los Angeles', 'Chicago', 'Houston', 'Phoenix', 'Philadelphia', 'San Antonio', 'San Diego',
             'New York', 'Los Angeles', 'Chicago', 'Houston', 'Phoenix', 'Philadelphia', 'San Antonio', 'San Diego'],
    'department': ['HR', 'Finance', 'IT', 'Marketing', 'Sales', 'R&D', 'Admin', 'HR',
                   'Finance', 'IT', 'Marketing', 'Sales', 'R&D', 'Admin', 'HR', 'Finance']
}
df = pd.DataFrame(data)

print(df)
# 按 'city' 和 'department' 列分組，并對(duì)每個(gè)分組隨機(jī)抽取 1 行
sampled_df = df.groupby(['city', 'department']).apply(lambda x: x.sample(n=1, random_state=42)).reset_index(drop=True)

print(sampled_df)

具體步驟說(shuō)明

按多列進(jìn)行分組：使用 groupby(['city', 'department']) 按 city 和 department 兩列進(jìn)行分組。
對(duì)每個(gè)分組隨機(jī)抽樣：使用 apply 和 lambda 函數(shù)對(duì)每個(gè)分組調(diào)用 sample(n=1) 隨機(jī)抽取一行。random_state 參數(shù)用于設(shè)置隨機(jī)種子，以確保結(jié)果可重現(xiàn)。
重置索引：使用 reset_index(drop=True) 重置索引，以避免保留分組鍵的索引信息。

輸出示例

根據(jù)樣本數(shù)據(jù)的不同，輸出可能會(huì)有所差異。以下是一個(gè)可能的輸出示例：

name age city department
0 Alice 25 Los Angeles Finance
1 Charlie 35 Chicago IT
2 Frank 50 Philadelphia R&D
3 Hannah 60 San Diego Finance
4 Bob 30 Houston Marketing
5 Grace 55 San Antonio HR
6 Alice 25 New York HR
7 Eve 45 Phoenix Sales
8 David 40 Houston Sales
9 Charlie 35 Chicago Marketing
10 Hannah 60 San Diego HR
11 Grace 55 San Antonio Admin
12 Bob 30 Los Angeles IT
13 David 40 New York Finance
14 Eve 45 Phoenix R&D
15 Frank 50 Philadelphia Admin

這樣，你可以輕松地對(duì) DataFrame 中的多列進(jìn)行分組，并從每個(gè)分組中進(jìn)行分層隨機(jī)抽樣。這種技術(shù)在數(shù)據(jù)分析和機(jī)器學(xué)習(xí)中非常有用，可以幫助你從大數(shù)據(jù)集中獲得具有代表性的小樣本進(jìn)行分析。

到此這篇關(guān)于pandas按某2列進(jìn)行分層隨機(jī)抽樣的實(shí)現(xiàn)的文章就介紹到這了,更多相關(guān)pandas 某2列分層隨機(jī)抽樣內(nèi)容請(qǐng)搜索腳本之家以前的文章或繼續(xù)瀏覽下面的相關(guān)文章希望大家以后多多支持腳本之家！

您可能感興趣的文章: