【Pandas】pandas Series sample

Pandas2.2 Series

Computations 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([labels, axis, index, columns, …])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([keep])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([n])用于返回 Series 的前 n 个元素Series.idxmax([axis, skipna])用于返回 Series 中最大值的索引Series.idxmin([axis, skipna])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([index, axis, method, copy, …])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([index, axis, copy, inplace, …])用于重定名 Series 对象的索引或轴标签的方法Series.rename_axis([mapper, index, 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([level, drop, name, …])用于将 Series 的索引重置为默认整数索引的方法Series.sample([n, frac, replace, weights, …])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）

1. import pandas as pd
3. # 创建一个简单的 Series
4. s = pd.Series([1, 2, 3, 4, 5], index=['a', 'b', 'c', 'd', 'e'])
6. print("原始 Series:")
7. print(s)
9. # 抽取 3 个样本
10. s_sampled = s.sample(n=3)
12. print("\n抽取 3 个样本后的 Series:")
13. print(s_sampled)

复制代码

输出结果

1. 原始 Series:
2. a    1
3. b    2
4. c    3
5. d    4
6. e    5
7. dtype: int64
9. 抽取 3 个样本后的 Series:
10. b    2
11. a    1
12. e    5
13. dtype: int64

复制代码

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

1. # 按 40% 的比例抽样
2. s_sampled_frac = s.sample(frac=0.4, random_state=1)
4. print("\n按 40% 比例抽样后的 Series:")
5. print(s_sampled_frac)

复制代码

输出结果

1. 按 40% 比例抽样后的 Series:
2. c    3
3. b    2
4. dtype: int64

复制代码

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

1. # 允许重复抽样并抽取 5 个样本
2. s_sampled_replace = s.sample(n=5, replace=True, random_state=1)
4. print("\n允许重复抽样并抽取 5 个样本后的 Series:")
5. print(s_sampled_replace)

复制代码

输出结果

1. 允许重复抽样并抽取 5 个样本后的 Series:
2. d    4
3. e    5
4. a    1
5. b    2
6. d    4
7. dtype: int64

复制代码

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

1. # 使用权重进行抽样
2. weights = [0.1, 0.2, 0.3, 0.2, 0.2]
3. s_sampled_weights = s.sample(n=3, weights=weights, random_state=1)
5. print("\n使用权重抽样后的 Series:")
6. print(s_sampled_weights)

复制代码

输出结果

1. 使用权重抽样后的 Series:
2. c    3
3. d    4
4. a    1
5. dtype: int64

复制代码

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

1. # 抽样并重置索引
2. s_sampled_reset_index = s.sample(n=3, ignore_index=True)
4. print("\n抽样并重置索引后的 Series:")
5. print(s_sampled_reset_index)

复制代码

输出结果

1. 抽样并重置索引后的 Series:
2. 0    4
3. 1    2
4. 2    5
5. dtype: int64

复制代码

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。