<\/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 Probenahmemethode ist die systematische Probenahme<\/strong> , die in einem einfachen zweistufigen Prozess umgesetzt wird:<\/span><\/p>\n 1.<\/strong> Ordnen Sie jedes Mitglied einer Bev\u00f6lkerung in einer bestimmten Reihenfolge an.<\/span><\/p>\n 2.<\/strong> W\u00e4hlen Sie einen zuf\u00e4lligen Startpunkt und w\u00e4hlen Sie ein Mitglied von<\/sup> n aus, das Teil der Stichprobe sein soll.<\/span><\/p>\n In diesem Tutorial wird erl\u00e4utert, wie Sie systematische Stichproben f\u00fcr einen Pandas-DataFrame in Python durchf\u00fchren.<\/span><\/p>\n Angenommen, ein Lehrer m\u00f6chte eine Stichprobe von 100 Sch\u00fclern einer Schule mit insgesamt 500 Sch\u00fclern erhalten. Sie entscheidet sich f\u00fcr eine systematische Stichprobe, bei der sie jeden Sch\u00fcler anhand seines Nachnamens in alphabetischer Reihenfolge anordnet, einen zuf\u00e4lligen Ausgangspunkt w\u00e4hlt und jeden f\u00fcnften Sch\u00fcler f\u00fcr die Stichprobe ausw\u00e4hlt.<\/span><\/p>\n Der folgende Code zeigt, wie man einen gef\u00e4lschten Datenrahmen f\u00fcr die Arbeit in Python erstellt:<\/span><\/p>\n Und der folgende Code zeigt, wie man durch systematische Stichprobe eine Stichprobe von 100 Sch\u00fclern erh\u00e4lt:<\/span><\/p>\n Beachten Sie, dass sich das erste in der Stichprobe enthaltene Mitglied in der ersten Zeile des urspr\u00fcnglichen Datenrahmens befand. Jedes n\u00e4chste Mitglied der Stichprobe befindet sich 5 Zeilen nach dem vorherigen Mitglied.<\/span><\/p>\n Und mithilfe von shape()<\/strong> k\u00f6nnen wir sehen, dass die systematische Stichprobe, die wir erhalten haben, ein Datenrahmen mit 100 Zeilen und 2 Spalten ist.<\/span><\/p>\n Arten von Stichprobenmethoden<\/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 Probenahmemethode ist die systematische Probenahme , die in einem einfachen zweistufigen Prozess umgesetzt wird: 1. Ordnen Sie jedes Mitglied einer Bev\u00f6lkerung in einer bestimmten Reihenfolge an. 2. W\u00e4hlen Sie […]<\/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: systematische Probenahme bei Pandas<\/strong><\/span><\/h2>\n
import<\/span> pandas as<\/span> pd\nimport<\/span> numpy as<\/span> np\nimport<\/span> string\nimport<\/span> random<\/span>\n\n#make this example reproducible<\/span>\nn.p. random<\/span> . seeds<\/span> (0)\n\n#create simple function to generate random last names\n<\/span>def<\/span> randomNames(size=6, chars=string. ascii_uppercase<\/span> ):\n return<\/span> ''. join<\/span> (random. choice<\/span> (chars) for<\/span> _ in<\/span> range(size))\n\n#createDataFrame\n<\/span>df = pd.DataFrame({'last_name': [randomNames() for<\/span> _ in<\/span> range(500)],\n 'GPA': np. random<\/span> . normal<\/span> (loc=85, scale=3, size=500)})\n\n#view first six rows of DataFrame<\/span>\ndf. head<\/span> ()\n\nlast_name GPA\n0 PXGPIV 86.667888\n1 JKRRQI 87.677422\n2 TRIZTC 83.733056\n3 YHUGIN 85.314142\n4 ZVUNVK 85.684160<\/strong><\/pre>\n #obtain systematic sample by selecting every 5th row\n<\/span>sys_sample_df = df. iloc<\/span> [::5]\n\n#view first six rows of DataFrame\n<\/span>sys_sample_df. head<\/span> ()\n\n last_name gpa\n3 ORJFW 88.78065\n8 RWPSB 81.96988\n13 RACZU 79.21433\n18 ZOHKA 80.47246\n23 QJETK 87.09991\n28 JTHWB 83.87300\n\n#view dimensions of data frame\n<\/span>sys_sample_df. shape<\/span>\n\n(100, 2)\n<\/strong><\/pre>\n Zus\u00e4tzliche Ressourcen<\/strong><\/span><\/h3>\n
Cluster-Sampling bei Pandas<\/a>
Geschichtete Probenahme bei Pandas<\/a><\/p>\n","protected":false},"excerpt":{"rendered":"