<\/p>\n
I ricercatori spesso prelevano campioni<\/a> da una popolazione e utilizzano i dati del campione per trarre conclusioni sulla popolazione nel suo insieme.<\/span><\/p>\n Un metodo di campionamento comunemente utilizzato \u00e8 il campionamento a grappolo<\/strong> , in cui una popolazione viene divisa in cluster e tutti i membri di determinati<\/em> cluster vengono scelti per essere inclusi nel campione.<\/span><\/p>\n Questo tutorial spiega come eseguire il campionamento del cluster su un DataFrame panda in Python.<\/span><\/p>\n Supponiamo che un’azienda che offre tour della citt\u00e0 voglia intervistare i propri clienti. Su dieci tour offerti al giorno, selezionano casualmente quattro tour e chiedono a ciascun cliente di valutare la propria esperienza su una scala da 1 a 10.<\/span><\/p>\n Il codice seguente mostra come creare un DataFrame panda con cui lavorare:<\/span><\/p>\n E il codice seguente mostra come ottenere un campione di clienti selezionando in modo casuale quattro visite e includendo ciascun membro di tali visite nel campione:<\/span><\/p>\n Dal risultato possiamo vedere che:<\/span><\/p>\n Pertanto, questo campione \u00e8 composto da 80 clienti in totale provenienti da 4 diversi gruppi turistici.<\/span><\/p>\n Comprendere i diversi tipi di metodi di campionamento<\/a> I ricercatori spesso prelevano campioni da una popolazione e utilizzano i dati del campione per trarre conclusioni sulla popolazione nel suo insieme. Un metodo di campionamento comunemente utilizzato \u00e8 il campionamento a grappolo , in cui una popolazione viene divisa in cluster e tutti i membri di determinati cluster vengono scelti per essere inclusi nel […]<\/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 Esempio: campionamento di cluster in Panda<\/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
Risorse addizionali<\/strong><\/span><\/h3>\n
Campionamento stratificato nei panda<\/a>
Campionamento sistematico dei panda<\/a><\/p>\n","protected":false},"excerpt":{"rendered":"