PandasDataframe.sample()使用介绍

Pandas sample()用于从DataFrame中随机选择行和列。如果要从大量数据集构建模型, 则必须随机选择通过函数样本完成的较小数据样本。

句法

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

参数

• n：这是一个可选参数, 由整数值组成, 并定义生成的随机行数。
• frac：它也是一个可选参数, 由浮点值组成, 并返回浮点值*数据帧值的长度。不能与参数n一起使用。
• replace：由布尔值组成。如果为true, 则返回带有替换的样本。替换的默认值为false。
• 权重：它也是一个可选参数, 由类似于str或ndarray的参数组成。默认值”无”将导致相等的概率加权。
  如果正在通过系列赛；它将与索引上的目标对象对齐。在采样对象中找不到的权重索引值将被忽略, 而在采样对象中没有权重的索引值将被分配零权重。
  如果在轴= 0时正在传递DataFrame, 则返回0。它将接受列的名称。
  如果权重是系列；然后, 权重必须与被采样轴的长度相同。
  如果权重不等于1；它将被标准化为1的总和。
  权重列中的缺失值被视为零。
  权重栏中不允许无穷大。
• random_state：它也是一个可选参数, 由整数或numpy.random.RandomState组成。如果值为int, 则为随机数生成器或numpy RandomState对象设置种子。
• axis：它也是由整数或字符串值组成的可选参数。 0或”行”和1或”列”。

Return

它返回与调用者相同类型的新对象, 其中包含从调用者对象中随机采样的n个项目。

例1

import pandas as pd
info = pd.DataFrame({'data1': [2, 4, 8, 0], 'data2': [2, 0, 0, 0], 'data3': [10, 2, 1, 8]}, index=['John', 'Parker', 'Smith', 'William'])
info
info['data1'].sample(n=3, random_state=1)
info.sample(frac=0.5, replace=True, random_state=1)
info.sample(n=2, weights='data3', random_state=1)

输出

data1    data2    data3
John     2	     2	     10
William	 0	     0	     8

例2

在此示例中, 我们获取一个csv文件, 并使用示例从DataFrame中提取随机行。

名为aa的csv文件, 其中包含以下数据集：

让我们编写一个代码, 从上述数据集中提取随机行：

# importing pandas package 
import pandas as pd 
# define data frame from csv file  
data = pd.read_csv("aa.csv") 
 # randomly select one row  
row1 = data.sample(n = 1)   
# display row
row1
# randomly select another row 
row2 = data.sample(n = 2) 
# display  row
row2

输出

Name         Hire Date    Salary      Leaves Remaining
2     Parker Chapman    02/21/14     45000.0      10
5     Michael Palin     06/28/13     66000.0      8