<\/p>\n
Forscher entnehmen h\u00e4ufig Stichproben<\/a> aus einer Population und nutzen die Daten aus der Stichprobe, um R\u00fcckschl\u00fcsse auf die Population als Ganzes zu ziehen.<\/span><\/p>\n Eine h\u00e4ufig verwendete Stichprobenmethode ist die Cluster-Stichprobe<\/strong> , bei der eine Population in Cluster unterteilt wird und alle Mitglieder bestimmter<\/em> Cluster f\u00fcr die Aufnahme in die Stichprobe ausgew\u00e4hlt werden.<\/span><\/p>\n In diesem Tutorial wird erl\u00e4utert, wie Sie Cluster-Sampling f\u00fcr einen Pandas-DataFrame in Python durchf\u00fchren.<\/span><\/p>\n Nehmen wir an, ein Unternehmen, das Stadtrundfahrten anbietet, m\u00f6chte seine Kunden befragen. Aus zehn Touren, die sie pro Tag anbieten, w\u00e4hlen sie zuf\u00e4llig vier Touren aus und bitten jeden Kunden, sein Erlebnis auf einer Skala von 1 bis 10 zu bewerten.<\/span><\/p>\n Der folgende Code zeigt, wie man einen Pandas-DataFrame f\u00fcr die Arbeit erstellt:<\/span><\/p>\n Und der folgende Code zeigt, wie man eine Stichprobe von Kunden erh\u00e4lt, indem man vier Besuche zuf\u00e4llig ausw\u00e4hlt und jedes Mitglied dieser Besuche in die Stichprobe einbezieht:<\/span><\/p>\n Aus dem Ergebnis k\u00f6nnen wir Folgendes erkennen:<\/span><\/p>\n Somit besteht diese Stichprobe aus insgesamt 80 Kunden aus 4 verschiedenen Touristengruppen.<\/span><\/p>\n Verst\u00e4ndnis der verschiedenen Arten von Probenahmemethoden<\/a> Forscher entnehmen h\u00e4ufig Stichproben aus einer Population und nutzen die Daten aus der Stichprobe, um R\u00fcckschl\u00fcsse auf die Population als Ganzes zu ziehen. Eine h\u00e4ufig verwendete Stichprobenmethode ist die Cluster-Stichprobe , bei der eine Population in Cluster unterteilt wird und alle Mitglieder bestimmter Cluster f\u00fcr die Aufnahme in die Stichprobe ausgew\u00e4hlt werden. In diesem Tutorial […]<\/p>\n","protected":false},"author":1,"featured_media":0,"comment_status":"open","ping_status":"open","sticky":false,"template":"","format":"standard","meta":{"footnotes":""},"categories":[11],"tags":[],"yoast_head":"\n Beispiel: Cluster-Sampling in Pandas<\/strong><\/h2>\n
import<\/span> pandas as<\/span> pd\nimport<\/span> numpy as<\/span> np\n<\/span>\n#make this example reproducible<\/span>\nn.p. random<\/span> . seeds<\/span> (0)\n\n#createDataFrame<\/span>\ndf = pd.DataFrame({'tour': np. repeat<\/span> (np. arange<\/span> (1,11), 20),\n 'experience': np. random<\/span> . normal<\/span> (loc=7, scale=1, size=200)})\n\n#view first six rows of DataFrame<\/span>\ndf. head<\/span> ()\n\n tour experience\n1 1 6.373546\n2 1 7.183643\n3 1 6.164371\n4 1 8.595281\n5 1 7.329508\n6 1 6.179532\n<\/strong><\/pre>\n #randomly choose 4 tour groups out of the 10<\/span>\nclusters = np. random<\/span> . choice<\/span> (np. arange<\/span> (1,11), size=4, replace= False<\/span> )\n\n#define sample as all members who belong to one of the 4 tour groups<\/span>\ncluster_sample = df[df[' tour<\/span> ']. isin<\/span> (clusters)]\n\n#view first six rows of sample\n<\/span>cluster_sample. head<\/span> ()\n\ntour experience\n40 3 5.951447\n41 3 5.579982\n42 3 5.293730\n43 3 8.950775\n44 3 6.490348 \n\n#find how many observations came from each tour group\n<\/span>cluster_sample[' tour<\/span> ']. value_counts<\/span> ()\n\n10 20\n6 20\n5 20\n3 20\nName: tour, dtype: int64<\/strong><\/pre>\n\n
Zus\u00e4tzliche Ressourcen<\/strong><\/span><\/h3>\n
Geschichtete Probenahme bei Pandas<\/a>
Systematische Probenahme von Pandas<\/a><\/p>\n","protected":false},"excerpt":{"rendered":"