Pandas 如何对DataFrame进行采样操作

在本文中，我们将介绍Pandas如何对DataFrame进行采样操作。DataFrame采样是指从DataFrame中选择一部分数据进行分析，以代表整个数据集。Pandas中有几种采样方式，包括随机采样、均匀采样、分层采样等。

阅读更多：Pandas 教程

随机采样

随机采样是在DataFrame中任意挑选数据进行采样。在Pandas中，可以使用sample()方法进行随机采样，该方法可以指定采样的行数和采样比例。例如，下面的代码将从DataFrame中随机采样5行数据：

import pandas as pd

data = pd.read_csv('data.csv')
sample_data = data.sample(n=5)

也可以指定采样比例，如下所示：

sample_data = data.sample(frac=0.1)

这将随机采样10%的数据。

均匀采样

均匀采样是从DataFrame中按照固定间隔采样数据。在Pandas中，可以使用sample()方法进行均匀采样，该方法需要指定采样间隔。例如，下面的代码将从DataFrame中均匀采样每10行数据：

sample_data = data.sample(n=10, replace=False)

replace参数表示是否有重复采样，默认为False，即不重复采样。

分层采样

分层采样是从DataFrame中按照某个特征进行分层后进行采样。在Pandas中，可以使用groupby()方法进行分层操作，然后使用apply()方法对每个分组进行采样。

例如，下面的代码将从DataFrame中按照gender列进行分层采样，对于每个分组采样3行数据：

sample_data = data.groupby('gender').apply(lambda x: x.sample(n=3))

总结

Pandas提供了多种采样方式，可以根据数据分布的不同选择不同的采样方式。在进行数据分析时，需要根据实际情况进行选择。