从Pandas数据框架中随机选择列

在这篇文章中，我们将讨论如何从Pandas Dataframe中随机选择列。

根据我们的要求，我们可以从pandas数据库方法中随机选择列，其中pandas df.sample()方法帮助我们随机选择行和列。

pandas sample()方法的语法：

返回从一个对象的axis上随机选择的元素。为了重复性，你可以使用随机_状态参数。

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

参数:

n：int值，要生成的随机行数。
frac: Float value, 返回值 (float value * length of data frame values ). frac不能与n一起使用。
replace: 布尔值，如果为真，返回带替换的样本。
random_state：int值或numpy.random.RandomState，可选。如果设置为一个特定的整数，将在每次迭代中返回与样本相同的行。
axis：0或’行’代表行，1或’列’代表列。

方法1：随机选择一列

在这个方法中，首先读取Pandas包，用pd.read_csv()方法导入给定的CSV文件，用来读取数据集。df.sample()方法用来随机选择行和列。 axis =’ columns’ 表示我们正在选择列。

# import packages
import pandas as pd
  
# reading csv file
df =pd.read_csv('fossilfuels.csv')
pd.set_option('display.max_columns', None)
print(df.head())
  
# randomly selecting columns
df = df.sample(axis='columns')
print(df)

输出:

从Pandas数据框架中随机选择列

方法2：在随机状态下选择若干列

在这种方法中，如果用户想选择一定数量的超过1的列，我们使用参数’n’来实现这一目的。在下面的例子中，我们把n定为5。从数据库中随机选择5个列。

# import packages
import pandas as pd
  
# reading csv file
df =pd.read_csv('fossilfuels.csv')
pd.set_option('display.max_columns', None)
print(df.head())
print()
  
# randomly selecting columns
df = df.sample(n=5, axis='columns')
print(df.head())

输出:

从Pandas数据框架中随机选择列

方法3：允许多次随机选择同一列（通过设置替换=True）

在这里，在这种方法中，如果用户想多次选择一个列，或者在我们的选择中需要重复性，我们应该在df.sample()方法中设置替换参数为’True’。列 “Bunkerfields “被重复了两次。

# import packages
import pandas as pd
  
# reading csv file
df =pd.read_csv('fossilfuels.csv')
pd.set_option('display.max_columns', None)
print(df.head())
print()
  
# randomly selecting columns
df = df.sample(n=5, axis='columns',replace='True')
print(df.head())

输出:

从Pandas数据框架中随机选择列

方法4：随机选择总列数的一部分

在这种方法中，如果用户想选择数据集的一部分，应该使用frac参数。在下面的例子中，我们的数据集有10列。10的0.25是2.5，它被进一步四舍五入为2。一个年份和GasFlaring列被返回。

# import packages
import pandas as pd
  
# reading csv file
df =pd.read_csv('fossilfuels.csv')
pd.set_option('display.max_columns', None)
print(df.head())
print()
  
# randomly selecting columns
df = df.sample(frac=0.25, axis='columns')
print(df.head())