パンダでの層別サンプリング (例あり)
研究者は多くの場合、母集団からサンプルを採取し、そのサンプルのデータを使用して母集団全体についての結論を導き出します。
一般的に使用されるサンプリング方法は、層化ランダムサンプリングです。このサンプリングでは、母集団をグループに分割し、各グループから一定数のメンバーがサンプルに含められるようランダムに選択されます。
このチュートリアルでは、Python で層化ランダム サンプリングを実行する 2 つの方法について説明します。
例 1: カウントを使用した層別サンプリング
2 つの異なるチームの 8 人のバスケットボール選手に関するデータを含む次のパンダ データフレームがあるとします。
import pandas as pd #createDataFrame df = pd.DataFrame({'team': ['A', 'A', 'A', 'A', 'B', 'B', 'B', 'B'], 'position': ['G', 'G', 'F', 'G', 'F', 'F', 'C', 'C'], 'assists': [5, 7, 7, 8, 5, 7, 6, 9], 'rebounds': [11, 8, 10, 6, 6, 9, 6, 10]}) #view DataFrame df team position assists rebounds 0 A G 5 11 1 A G 7 8 2 A F 7 10 3 A G 8 6 4 B F 5 6 5 B F 7 9 6 B C 6 6 7 B C 9 10
次のコードは、各チームから 2 人のプレーヤーをランダムに選択してサンプルに含めることにより、層化ランダム サンプリングを実行する方法を示しています。
df. groupby ('team', group_keys= False ). apply ( lambda x: x.sample (2)) team position assists rebounds 0 A G 5 11 3 A G 8 6 6 B C 6 6 5 B F 7 9
各チームの 2 人のプレーヤーが層別サンプルに含まれていることに注意してください。
例 2: 比率を使用した層別サンプリング
もう一度、2 つの異なるチームの 8 人のバスケットボール選手に関するデータを含む次のパンダ データフレームがあると仮定してみましょう。
import pandas as pd #createDataFrame df = pd.DataFrame({'team': ['A', 'A', 'B', 'B', 'B', 'B', 'B', 'B'], 'position': ['G', 'G', 'F', 'G', 'F', 'F', 'C', 'C'], 'assists': [5, 7, 7, 8, 5, 7, 6, 9], 'rebounds': [11, 8, 10, 6, 6, 9, 6, 10]}) #view DataFrame df team position assists rebounds 0 A G 5 11 1 A G 7 8 2 A F 7 10 3 A G 8 6 4 B F 5 6 5 B F 7 9 6 B C 6 6 7 B C 9 10
DataFrame の 8 人のプレーヤーのうち 6 人 (75%) がチーム A に所属し、8 人のプレーヤーのうち 2 人 (25%) がチーム B に所属していることに注意してください。
次のコードは、各チームのサンプル内のプレーヤーの割合が、より大きなデータフレーム内の各チームのプレーヤーの割合と一致するように、層別ランダム サンプリングを実行する方法を示しています。
import numpy as np #define total sample size desired N = 4 #perform stratified random sampling df. groupby ('team', group_keys= False ). apply ( lambda x: x. sample (int(np. rint (N* len (x)/ len (df))))). sample (frac=1). reset_index (drop= True ) team position assists rebounds 0 B F 7 9 1 B G 8 6 2 B C 6 6 3 A G 7 8
層別サンプルにおけるチーム A プレーヤーの割合 (25%) は、より大きなデータフレームにおけるチーム A プレーヤーの割合と一致することに注意してください。
同様に、層別サンプルにおけるチーム B プレーヤーの割合 (75%) は、より大きなデータフレームにおけるチーム B プレーヤーの割合と一致します。
追加リソース
次のチュートリアルでは、パンダを使用して他のサンプル タイプを選択する方法を説明します。