Pandas DataFrame DataFrame.sample() 函式
Minahil Noor
2023年1月30日
-
pandas.DataFrame.sample()語法 -
示例程式碼：
DataFrame.sample() -
示例程式碼：
DataFrame.sample()提取列 -
示例程式碼：
DataFrame.sample()生成資料的一部分 -
示例程式碼：
DataFrame.sample()對 DataFrame 進行過取樣 -
示例程式碼：
DataFrame.sample()和weights
Python Pandas DataFrame.sample() 函式從一個 DataFrame 中隨機生成一行或一列的樣本。樣本可以包含多行或多列。
pandas.DataFrame.sample() 語法
DataFrame.sample(
n=None, frac=None, replace=False, weights=None, random_state=None, axis=None
)
引數
n |
它是一個整數值。它代表要從 DataFrame 中選擇的行或列的隨機數 |
frac |
它是一個浮點數值。它指定了要從 DataFrame 中提取的隨機行或列的百分比。例如，frac=0.45 意味著選擇的隨機行或列將是原始資料的 45% |
replace |
它是一個布林值。如果它被設定為 True，那麼它將返回替換資料的樣本 |
weights |
它是一個字串或一個 N 維的陣列結構。如果在 DataFrame 上呼叫它，那麼當軸為 0 時，它接受一列的名稱，權重列中數值較大的行更有可能作為樣本資料返回 |
random_state |
它是一個整數或 numpy.random.RandomState 函式。如果它是一個整數，那麼它在每次迭代中返回相同數量的行或列。否則，它返回一個 numpy RandomState 物件 |
axis |
它是一個整數或字串。它告訴目標軸的行或列。它可以是 0 或 index，1 或 columns |
返回值
它返回一個 Series 或 DataFrame。返回的 Series 或 DataFrame 是一個呼叫器，包含從原始 DataFrame 中隨機選擇的 n 個元素。
示例程式碼：DataFrame.sample()
預設情況下，函式返回一個包含行的樣本，即 axis=1。
import pandas as pd
dataframe=pd.DataFrame({'Attendance': {0: 60, 1: 100, 2: 80,3: 75, 4: 95},
'Name': {0: 'Olivia', 1: 'John', 2: 'Laura',3: 'Ben',4: 'Kevin'},
'Obtained Marks': {0: 56, 1: 75, 2: 82, 3: 64, 4: 67}})
print(dataframe)
我們的 DataFrame 為，
Attendance Name Obtained Marks
0 60 Olivia 56
1 100 John 75
2 80 Laura 82
3 75 Ben 64
4 95 Kevin 67
這個函式的所有引數都是可選的。如果我們在執行這個函式時沒有傳遞任何引數，它將返回一個隨機的行作為輸出。
import pandas as pd
dataframe = pd.DataFrame(
{
"Attendance": {0: 60, 1: 100, 2: 80, 3: 75, 4: 95},
"Name": {0: "Olivia", 1: "John", 2: "Laura", 3: "Ben", 4: "Kevin"},
"Obtained Marks": {0: 56, 1: 75, 2: 82, 3: 64, 4: 67},
}
)
dataframe1 = dataframe.sample()
print(dataframe1)
輸出 1：
Attendance Name Obtained Marks
3 75 Ben 64
輸出 2：
Attendance Name Obtained Marks
4 95 Kevin 67
輸出 1 和輸出 2 顯示了同一個程式的兩次執行情況。每次這個函式都會從給定的 DataFrame 中產生一個隨機的行樣本。
示例程式碼：DataFrame.sample() 提取列
要在樣本中生成列，我們將簡單地把我們的軸改為 1。
import pandas as pd
dataframe = pd.DataFrame(
{
"Attendance": {0: 60, 1: 100, 2: 80, 3: 75, 4: 95},
"Name": {0: "Olivia", 1: "John", 2: "Laura", 3: "Ben", 4: "Kevin"},
"Obtained Marks": {0: 56, 1: 75, 2: 82, 3: 64, 4: 67},
}
)
dataframe1 = dataframe.sample(n=1, axis=1)
print(dataframe1)
輸出：
Name
0 Olivia
1 John
2 Laura
3 Ben
4 Kevin
該函式已經生成了一個單一列的樣本作為輸出。列的數量由引數 n=1 設定。
示例程式碼：DataFrame.sample() 生成資料的一部分
import pandas as pd
dataframe = pd.DataFrame(
{
"Attendance": {0: 60, 1: 100, 2: 80, 3: 75, 4: 95},
"Name": {0: "Olivia", 1: "John", 2: "Laura", 3: "Ben", 4: "Kevin"},
"Obtained Marks": {0: 56, 1: 75, 2: 82, 3: 64, 4: 67},
}
)
dataframe1 = dataframe.sample(frac=0.5)
print(dataframe1)
輸出：
Attendance Name Obtained Marks
3 75 Ben 64
4 95 Kevin 67
1 100 John 75
返回的樣本是原始資料的 50%。
示例程式碼：DataFrame.sample() 對 DataFrame 進行過取樣
如果 frac>1，那麼引數 replace 應該是 True，以允許同一行可以被多次取樣，否則，它將引發 ValueError。
import pandas as pd
dataframe = pd.DataFrame(
{
"Attendance": {0: 60, 1: 100, 2: 80, 3: 75, 4: 95},
"Name": {0: "Olivia", 1: "John", 2: "Laura", 3: "Ben", 4: "Kevin"},
"Obtained Marks": {0: 56, 1: 75, 2: 82, 3: 64, 4: 67},
}
)
dataframe1 = dataframe.sample(frac=1.5, replace=True)
print(dataframe1)
輸出：
Attendance Name Obtained Marks
3 75 Ben 64
0 60 Olivia 56
1 100 John 75
2 80 Laura 82
1 100 John 75
2 80 Laura 82
0 60 Olivia 56
4 95 Kevin 67
如果 replace 被設定為 False，同時 frac 大於 1，則會產生 ValueError。
import pandas as pd
dataframe = pd.DataFrame(
{
"Attendance": {0: 60, 1: 100, 2: 80, 3: 75, 4: 95},
"Name": {0: "Olivia", 1: "John", 2: "Laura", 3: "Ben", 4: "Kevin"},
"Obtained Marks": {0: 56, 1: 75, 2: 82, 3: 64, 4: 67},
}
)
dataframe1 = dataframe.sample(frac=1.5, replace=False)
print(dataframe1)
輸出：
Traceback (most recent call last):
File "..\test.py", line 6, in <module>
dataframe1 = dataframe.sample(frac=1.5, replace=False)
File "..\lib\site-packages\pandas\core\generic.py", line 5044, in sample
raise ValueError(
ValueError: Replace has to be set to `True` when upsampling the population `frac` > 1.
示例程式碼：DataFrame.sample() 和 weights
import pandas as pd
dataframe = pd.DataFrame(
{
"Attendance": {0: 60, 1: 100, 2: 80, 3: 75, 4: 95},
"Name": {0: "Olivia", 1: "John", 2: "Laura", 3: "Ben", 4: "Kevin"},
"Obtained Marks": {0: 56, 1: 75, 2: 82, 3: 64, 4: 67},
}
)
dataframe1 = dataframe.sample(n=2, weights="Attendance")
print(dataframe1)
輸出：
Attendance Name Obtained Marks
1 100 John 75
4 95 Kevin 67
這裡，在返回的樣本中選擇 Attendance 列中數值較大的行。