1、實現dataframe的隨機重排列
使用numpy.random.permutation函式可以實現對dataframe和series的隨機重排列。具體使用方法如下:
# 生成乙個5行4列的dataframe,並且重新命名列名
data = pd.dataframe(np.arange(5*4).reshape(5, 4))
data.columns = ['a', 'b', 'c', 'd']
# axis=0表示對行隨機重排列,axis=1表示對列重排列
# 這裡的5是data的行長度,這樣會對所有行進行隨機重排列
sampler_rows = np.random.permutation(5)
data.take(sampler_rows, axis=0)
#這裡傳遞的3《行長度,所以僅實現了對前三行的隨機重排列
sampler_rows = np.random.permutation(3)
data.take(sampler_rows, axis=0)
#這裡實現了列隨機重排列
sampler_columns = np.random.permutation(4)
data.take(sampler_columns, axis=1)
執行結果分別為:
隨機重排列結果
2、實現dataframe的隨機抽樣
為了實現對資料的隨機抽樣,我們可以呼叫series和dataframe的sample方法,具體使用方式如下:
sample(
n=none,#隨機抽樣的個數
frac=none,#隨機抽樣的樣本量佔總體的比值
replace=false,#是否可重複抽樣,true表示可重複抽樣,預設為false
weights=none,#可以傳遞某個序列,序列和每條資料一一對應,序列的值是資料對應的權重
random_state=none,#指定隨機數種子
axis=none,#axis=0表示按照行進行隨機抽樣,axis=1表示按照列進行隨機抽樣
)
#1、初始化dataframe
df = pd.dataframe(,
index=['falcon', 'dog', 'spider', 'fish'])
df#2、隨機無重複抽樣,樣本量為2
df.sample(n=2)
#3、隨機可重複抽樣,樣本量為5
df.sample(n=5,replace=true)
#4、隨機抽樣的樣本量是總樣本量的1.5倍
df.sample(frac=1.5,replace=true)
#5、'num_specimen_seen'列的值作為每行資料的抽樣權重
df.sample(n=5,weights='num_specimen_seen',replace=true)
各個cell的執行結果如下:
隨機取樣結果
可使用類似的方法對series進行隨機重排列和隨機取樣。
mR 隨機抽樣
1.問題由來 google曾經有一道非常經典的面試題 給你乙個長度為n的鍊錶。n很大,但你不知道n有多大。你的任務是從這n個元素中隨機取出k個元素。你只能遍歷這個鍊錶一次。你的演算法必須保證取出的元素恰好有k個,且它們是完全隨機的 出現概率均等 這道題的解法非常多,網上討論也非常熱烈。本文要討論的是...
MySQL隨機抽樣
最近由於需要大概研究了一下mysql的隨機抽取實現方法。舉個例子,要從tablename表中隨機提取一條記錄,大家一般的寫法就是 select from tablename order by rand limit 1。但是,後來我查了一下mysql的官方手冊,裡面針對rand 的提示大概意思就是,在...
R隨機抽樣
x為總體向量 n為樣本容量 replace f表示無放回抽樣 replace t表示放回抽樣 prob可以設定不等概率抽樣 sample x,n,replace f,prob null 用r模擬擲硬幣 h表示正面 t表示反面 有放回抽樣 sample c h t 10,replace t 1 h t...