<\/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 casuale stratificato<\/strong> , in cui una popolazione viene divisa in gruppi e un certo numero di membri di ciascun gruppo vengono selezionati casualmente per essere inclusi nel campione.<\/span><\/p>\n Questo tutorial spiega due metodi per eseguire il campionamento casuale stratificato in Python.<\/span><\/p>\n Supponiamo di avere il seguente DataFrame panda che contiene dati su 8 giocatori di basket di 2 squadre diverse:<\/span><\/p>\n Il seguente codice mostra come eseguire un campionamento casuale stratificato selezionando casualmente 2 giocatori di ciascuna squadra da includere nel campione:<\/span><\/p>\n Si noti che nel campione stratificato sono inclusi due giocatori per ciascuna squadra.<\/span><\/p>\n Supponiamo ancora una volta di avere il seguente DataFrame panda che contiene dati su 8 giocatori di basket di 2 squadre diverse:<\/span><\/p>\n Tieni presente che 6 degli 8 giocatori (75%) nel DataFrame fanno parte della squadra A e 2 degli 8 giocatori (25%) fanno parte della squadra B.<\/span><\/p>\n Il codice seguente mostra come eseguire un campionamento casuale stratificato in modo tale che la proporzione di giocatori nel campione di ciascuna squadra corrisponda alla proporzione di giocatori di ciascuna squadra nel DataFrame pi\u00f9 grande:<\/span><\/p>\n Si noti che la percentuale di giocatori della squadra A nel campione stratificato (25%) corrisponde alla proporzione di giocatori della squadra A nel DataFrame pi\u00f9 grande.<\/span><\/p>\n Allo stesso modo, la percentuale di giocatori della squadra B nel campione stratificato (75%) corrisponde alla percentuale di giocatori della squadra B nel DataFrame pi\u00f9 grande.<\/span><\/p>\n I seguenti tutorial spiegano come selezionare altri tipi di campioni utilizzando i panda:<\/span><\/p>\n Come eseguire il campionamento dei cluster in Pandas<\/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 casuale stratificato , in cui una popolazione viene divisa in gruppi e un certo numero di membri di ciascun gruppo vengono selezionati casualmente per […]<\/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 1: campionamento stratificato utilizzando i conteggi<\/strong><\/h3>\n
import<\/span> pandas as<\/span> pd\n\n#createDataFrame<\/span>\ndf = pd.DataFrame({'team': ['A', 'A', 'A', 'A', 'B', 'B', 'B', 'B'],\n 'position': ['G', 'G', 'F', 'G', 'F', 'F', 'C', 'C'],\n 'assists': [5, 7, 7, 8, 5, 7, 6, 9],\n 'rebounds': [11, 8, 10, 6, 6, 9, 6, 10]})\n\n#view DataFrame\n<\/span>df\n\n team position assists rebounds\n0 A G 5 11\n1 A G 7 8\n2 A F 7 10\n3 A G 8 6\n4 B F 5 6\n5 B F 7 9\n6 B C 6 6\n7 B C 9 10\n<\/strong><\/pre>\n df. groupby<\/span> ('team', group_keys= False<\/span> ). apply<\/span> ( lambda<\/span> x: x.sample<\/span> (2))\n\n team position assists rebounds\n0 A G 5 11\n3 A G 8 6\n6 B C 6 6\n5 B F 7 9\n<\/strong><\/pre>\n Esempio 2: campionamento stratificato utilizzando le proporzioni<\/strong><\/h3>\n
import<\/span> pandas as<\/span> pd\n\n#createDataFrame<\/span>\ndf = pd.DataFrame({'team': ['A', 'A', 'B', 'B', 'B', 'B', 'B', 'B'],\n 'position': ['G', 'G', 'F', 'G', 'F', 'F', 'C', 'C'],\n 'assists': [5, 7, 7, 8, 5, 7, 6, 9],\n 'rebounds': [11, 8, 10, 6, 6, 9, 6, 10]})\n\n#view DataFrame\n<\/span>df\n\n team position assists rebounds\n0 A G 5 11\n1 A G 7 8\n2 A F 7 10\n3 A G 8 6\n4 B F 5 6\n5 B F 7 9\n6 B C 6 6\n7 B C 9 10\n<\/strong><\/pre>\n import<\/span> numpy as np\n\n<\/span>#define total sample size desired<\/span>\nN = 4\n\n#perform stratified random sampling<\/span>\ndf. groupby<\/span> ('team', group_keys= False<\/span> ). apply<\/span> ( lambda<\/span> x: x. sample<\/span> (int(np. rint<\/span> (N* len<\/span> (x)\/ len<\/span> (df))))). sample<\/span> (frac=1). reset_index<\/span> (drop= True<\/span> )\n\n team position assists rebounds\n0 B F 7 9\n1 B G 8 6\n2 B C 6 6\n3 A G 7 8\n<\/strong><\/pre>\n Risorse addizionali<\/strong><\/span><\/h3>\n
Come effettuare un campionamento sistematico tra i panda<\/a><\/p>\n","protected":false},"excerpt":{"rendered":"