Pandas: como amostrar linhas com substituição

Você pode usar o argumento replace=True na função pandas sample() para amostrar aleatoriamente linhas de um DataFrame com substituição:

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

Ao usar replace=True você permite que a mesma linha seja incluída na amostra várias vezes.

O exemplo a seguir mostra como usar essa sintaxe na prática.

Exemplo: Exemplos de linhas com substituição no Pandas

Suponha que temos o seguinte DataFrame do pandas que contém informações sobre vários jogadores de basquete:

 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

Suponha que usemos a função sample() para selecionar aleatoriamente uma amostra de linhas:

 #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

Observe que seis linhas foram selecionadas no DataFrame e nenhuma das linhas aparece várias vezes na amostra.

Nota : O argumento random_state=0 garante que este exemplo seja reproduzível.

Agora suponha que usamos o argumento replace=True para selecionar uma amostra aleatória de linhas com substituição:

 #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

Observe que a linha com o time “D” aparece várias vezes.

Ao usar o argumento replace=True , permitimos que a mesma linha apareça várias vezes na amostra.

Observe também que poderíamos selecionar uma fração aleatória do DataFrame para incluir na amostra usando o argumento frac .

Por exemplo, o exemplo a seguir mostra como selecionar 75% das linhas para incluir na amostra de substituição:

 #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

Observe que 75% do número de linhas (6 de 8) foram incluídas na amostra e pelo menos uma das linhas (com o time “D”) apareceu duas vezes na amostra.

Nota : Você pode encontrar a documentação completa para a função pandas sample() aqui .

Recursos adicionais

Os tutoriais a seguir explicam como executar outros métodos de amostragem comuns no Pandas:

Como realizar amostragem estratificada em pandas
Como realizar amostragem por cluster no Pandas