Panda: come campionare le righe con sostituzione

È possibile utilizzare l’argomento replace=True nella funzione pandas sample() per campionare casualmente le righe da un DataFrame con sostituzione:

 #randomly select n rows with repeats allowed
df. sample (n= 5 , replace= True ) 

Utilizzando replace=True si consente di includere più volte la stessa riga nell’esempio.

L’esempio seguente mostra come utilizzare questa sintassi nella pratica.

Esempio: esempi di righe con sostituzione in Pandas

Supponiamo di avere il seguente DataFrame panda che contiene informazioni su vari giocatori di basket:

 import pandas as pd

#createDataFrame
df = pd. DataFrame ({' team ': ['A', 'B', 'C', 'D', 'E', 'F', 'G', 'H'],
                   ' points ': [18, 22, 19, 14, 14, 11, 20, 28],
                   ' assists ': [5, 7, 7, 9, 12, 9, 9, 4],
                   ' rebounds ': [11, 8, 10, 6, 6, 5, 9, 12]})
                   
#view DataFrame
print (df)

  team points assists rebounds
0 A 18 5 11
1 B 22 7 8
2 C 19 7 10
3 D 14 9 6
4 E 14 12 6
5 F 11 9 5
6 G 20 9 9
7:28 4 12

Supponiamo di utilizzare la funzione sample() per selezionare casualmente un campione di righe:

 #randomly select 6 rows from DataFrame (without replacement)
df. sample (n= 6 , random_state= 0 )

        team points assists rebounds
6 G 20 9 9
2 C 19 7 10
1 B 22 7 8
7:28 4 12
3 D 14 9 6
0 A 18 5 11

Tieni presente che sei righe sono state selezionate nel DataFrame e nessuna delle righe appare più volte nell’esempio.

Nota : l’argomento random_state=0 garantisce che questo esempio sia riproducibile.

Supponiamo ora di utilizzare l’argomento replace=True per selezionare un campione casuale di righe con sostituzione:

 #randomly select 6 rows from DataFrame (with replacement)
df. sample (n= 6 , replace= True , random_state= 0 )

        team points assists rebounds
4 E 14 12 6
7:28 4 12
5 F 11 9 5
0 A 18 5 11
3 D 14 9 6
3 D 14 9 6

Tieni presente che la linea con la squadra “D” appare più volte.

Utilizzando l’argomento replace=True , consentiamo alla stessa riga di apparire più volte nell’esempio.

Si noti inoltre che potremmo selezionare una frazione casuale del DataFrame da includere nell’esempio utilizzando l’argomento frac .

Ad esempio, l’esempio seguente mostra come selezionare il 75% delle righe da includere nell’esempio di sostituzione:

 #randomly select 75% of rows (with replacement)
df. sample (frac= 0.75 , replace= True , random_state= 0 ) 

        team points assists rebounds
4 E 14 12 6
7:28 4 12
5 F 11 9 5
0 A 18 5 11
3 D 14 9 6
3 D 14 9 6

Si noti che il 75% del numero di linee (6 su 8) è stato incluso nel campione e almeno una delle linee (con la squadra “D”) è apparsa due volte nel campione.

Nota : puoi trovare la documentazione completa per la funzione pandas sample() qui .

Risorse addizionali

I seguenti tutorial spiegano come eseguire altri metodi di campionamento comuni in Panda:

Come effettuare il campionamento stratificato nei panda
Come eseguire il campionamento dei cluster in Pandas