【Pandas】pandas Series sample
Pandas2.2 SeriesComputations descriptive stats
方法形貌Series.align(other[, join, axis, level, …])用于将两个 Series 对齐，使其具有雷同的索引Series.case_when(caselist)用于根据条件列表对 Series 中的元素举行条件判断并返回相应的值Series.drop()用于从 Series 中删除指定的行或列（对于 Series 来说，通常是删除行）Series.droplevel(level[, axis])用于从多层索引（MultiIndex）的 Series 中删除指定的索引层级Series.drop_duplicates(*[, keep, inplace, …])用于从 Series 中删除重复的值Series.duplicated()用于检测 Series 中的重复值Series.equals(other)用于比力两个 Series 对象是否完全相等的方法Series.first(offset)用于根据日期偏移量（offset）选择 Series 中时间序列数据的初始部门Series.head()用于返回 Series 的前 n 个元素Series.idxmax()用于返回 Series 中最大值的索引Series.idxmin()用于返回 Series 中最小值的索引Series.isin(values)用于检查 Series 中的每个元素是否存在于给定的值集合 values 中Series.last(offset)用于根据日期偏移量（offset）选择 Series 中时间序列数据的末尾部门Series.reindex()用于重新索引 Series 对象的方法Series.reindex_like(other[, method, copy, …])用于将 Series 对象重新索引以匹配另一个 Series 或 DataFrame 的索引的方法Series.rename()用于重定名 Series 对象的索引或轴标签的方法Series.rename_axis()用于为 Series 的索引轴（index）或列轴（columns，对于 Series 通常不适用）设置名称Series.reset_index()用于将 Series 的索引重置为默认整数索引的方法Series.sample()用于从 Series 中随机抽取样本的方法 pandas.Series.sample
pandas.Series.sample 是一个用于从 Series 中随机抽取样本的方法。它允许用户根据指定的数量或比例举行抽样，并提供了多种抽样选项。以下是该方法的参数说明：
[*]n: 抽取的样本数量。假如未提供，则必须提供 frac。
[*]frac: 抽取的样本占总数据的比例（0 到 1 之间）。假如未提供，则必须提供 n。
[*]replace: 是否允许重复抽样，默认为 False（不重复）。
[*]weights: 抽样权重，可以是与 Series 长度雷同的数组或索引标签。默认为 None（等概率抽样）。
[*]random_state: 随机数生成器种子，确保结果可复现，默认为 None。
[*]axis: 指定抽样的轴，默认为 0（行），对于 Series 可忽略。
[*]ignore_index: 假如为 True，则重置返回对象的索引，默认为 False。
示例及结果
示例 1：根本用法（按数量抽样）
import pandas as pd
# 创建一个简单的 Series
s = pd.Series(, index=['a', 'b', 'c', 'd', 'e'])
print("原始 Series:")
print(s)
# 抽取 3 个样本
s_sampled = s.sample(n=3)
print("\n抽取 3 个样本后的 Series:")
print(s_sampled)
输出结果
原始 Series:
a 1
b 2
c 3
d 4
e 5
dtype: int64
抽取 3 个样本后的 Series:
b 2
a 1
e 5
dtype: int64
在这个例子中，我们利用 sample 方法从 Series 中随机抽取了 3 个样本。
示例 2：按比例抽样
# 按 40% 的比例抽样
s_sampled_frac = s.sample(frac=0.4, random_state=1)
print("\n按 40% 比例抽样后的 Series:")
print(s_sampled_frac)
输出结果
按 40% 比例抽样后的 Series:
c 3
b 2
dtype: int64
在这个例子中，我们利用 frac=0.4 来按 40% 的比例抽样，并通过设置 random_state=1 确保结果可复现。
示例 3：允许重复抽样
# 允许重复抽样并抽取 5 个样本
s_sampled_replace = s.sample(n=5, replace=True, random_state=1)
print("\n允许重复抽样并抽取 5 个样本后的 Series:")
print(s_sampled_replace)
输出结果
允许重复抽样并抽取 5 个样本后的 Series:
d 4
e 5
a 1
b 2
d 4
dtype: int64
在这个例子中，我们通过设置 replace=True 允许重复抽样，并抽取了 5 个样本。
示例 4：利用权重抽样
# 使用权重进行抽样
weights =
s_sampled_weights = s.sample(n=3, weights=weights, random_state=1)
print("\n使用权重抽样后的 Series:")
print(s_sampled_weights)
输出结果
使用权重抽样后的 Series:
c 3
d 4
a 1
dtype: int64
在这个例子中，我们利用 weights 参数指定了每个元素的抽样权重，使得某些元素被抽中的概率更高。
示例 5：重置索引
# 抽样并重置索引
s_sampled_reset_index = s.sample(n=3, ignore_index=True)
print("\n抽样并重置索引后的 Series:")
print(s_sampled_reset_index)
输出结果
抽样并重置索引后的 Series:
0 4
1 2
2 5
dtype: int64
在这个例子中，我们通过设置 ignore_index=True 来重置返回对象的索引。
通过这些示例，您可以更好地理解怎样利用 pandas.Series.sample 方法来从 Series 中随机抽取样本。
免责声明：如果侵犯了您的权益，请联系站长，我们会及时删除侵权内容，谢谢合作！更多信息从访问主页：qidao123.com:ToB企服之家，中国第一个企服评测及商务社交产业平台。
页:
[1]