python Pandas如何对数据集随机抽样

Python Pandas是一个基于NumPy的Python库，提供了一个高效的数据分析工具集。在Pandas中，可以通过sample函数来对大型数据集进行随机抽样。

1. sample函数介绍

Pandas通过sample函数来对数据集进行随机抽样。sample函数的语法如下：

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

主要参数说明：

• n：抽取样本的数量
• frac：抽取样本占原始数据集的比例
• replace：是否有放回地抽样
• weights：是一个可选参数，为样本中每行的权重
• random_state：随机种子
• axis：抽样方向

其中，n和frac只能设定其中一个参数。

2. 示例说明

示例1：随机抽取数据集中20%的数据

首先，创建一个数据集：

import pandas as pd
import numpy as np

df = pd.DataFrame({'A': [1,2,3,4,5], 'B': [6,7,8,9,10],'C': ['a', 'b', 'c', 'd', 'e']})
print(df)

输出：

   A   B  C
0  1   6  a
1  2   7  b
2  3   8  c
3  4   9  d
4  5  10  e

随机抽取数据集中的20%进行抽样：

sampled_df = df.sample(frac=0.2)
print(sampled_df)

输出：

   A  B  C
1  2  7  b

示例2：随机抽取数据集中3条数据

随机抽取数据集中的3条数据：

sampled_df = df.sample(n=3)
print(sampled_df)

输出：

   A  B  C
0  1  6  a
2  3  8  c
3  4  9  d

3. 总结

通过Pandas的sample函数，用户可以轻松对大型数据集进行随机抽样操作，并根据具体需求，设置相应参数。