<\/p>\n
Os pesquisadores geralmente coletam amostras<\/a> de uma popula\u00e7\u00e3o e usam os dados da amostra para tirar conclus\u00f5es sobre a popula\u00e7\u00e3o como um todo.<\/span><\/p>\n Um m\u00e9todo de amostragem comumente usado \u00e9 a amostragem sistem\u00e1tica<\/strong> , que \u00e9 implementada em um processo simples de duas etapas:<\/span><\/p>\n 1.<\/strong> Coloque cada membro de uma popula\u00e7\u00e3o em uma determinada ordem.<\/span><\/p>\n 2.<\/strong> Escolha um ponto de partida aleat\u00f3rio e selecione um membro dentre<\/sup> n para fazer parte da amostra.<\/span><\/p>\n Este tutorial explica como realizar amostragem sistem\u00e1tica em um DataFrame do pandas em Python.<\/span><\/p>\n Suponha que um professor queira obter uma amostra de 100 alunos de uma escola que tem 500 alunos no total. Ela opta por usar uma amostragem sistem\u00e1tica na qual coloca cada aluno em ordem alfab\u00e9tica com base no sobrenome, escolhe aleatoriamente um ponto de partida e seleciona cada quinto aluno para fazer parte da amostra.<\/span><\/p>\n O c\u00f3digo a seguir mostra como criar um quadro de dados falso para trabalhar em Python:<\/span><\/p>\n E o c\u00f3digo a seguir mostra como obter uma amostra de 100 alunos por meio de amostragem sistem\u00e1tica:<\/span><\/p>\n Observe que o primeiro membro inclu\u00eddo na amostra estava na primeira linha do quadro de dados original. Cada pr\u00f3ximo membro da amostra est\u00e1 localizado 5 linhas ap\u00f3s o membro anterior.<\/span><\/p>\n E usando shape()<\/strong> podemos ver que a amostra sistem\u00e1tica que obtivemos \u00e9 um quadro de dados de 100 linhas e 2 colunas.<\/span><\/p>\n Tipos de m\u00e9todos de amostragem<\/a> Os pesquisadores geralmente coletam amostras de uma popula\u00e7\u00e3o e usam os dados da amostra para tirar conclus\u00f5es sobre a popula\u00e7\u00e3o como um todo. Um m\u00e9todo de amostragem comumente usado \u00e9 a amostragem sistem\u00e1tica , que \u00e9 implementada em um processo simples de duas etapas: 1. Coloque cada membro de uma popula\u00e7\u00e3o em uma determinada ordem. […]<\/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":[],"class_list":["post-1169","post","type-post","status-publish","format-standard","hentry","category-guia"],"yoast_head":"\n Exemplo: amostragem sistem\u00e1tica entre pandas<\/strong><\/span><\/h2>\n
import<\/span> pandas as<\/span> pd\nimport<\/span> numpy as<\/span> np\nimport<\/span> string\nimport<\/span> random<\/span>\n\n#make this example reproducible<\/span>\nn.p. random<\/span> . seeds<\/span> (0)\n\n#create simple function to generate random last names\n<\/span>def<\/span> randomNames(size=6, chars=string. ascii_uppercase<\/span> ):\n return<\/span> ''. join<\/span> (random. choice<\/span> (chars) for<\/span> _ in<\/span> range(size))\n\n#createDataFrame\n<\/span>df = pd.DataFrame({'last_name': [randomNames() for<\/span> _ in<\/span> range(500)],\n 'GPA': np. random<\/span> . normal<\/span> (loc=85, scale=3, size=500)})\n\n#view first six rows of DataFrame<\/span>\ndf. head<\/span> ()\n\nlast_name GPA\n0 PXGPIV 86.667888\n1 JKRRQI 87.677422\n2 TRIZTC 83.733056\n3 YHUGIN 85.314142\n4 ZVUNVK 85.684160<\/strong><\/pre>\n #obtain systematic sample by selecting every 5th row\n<\/span>sys_sample_df = df. iloc<\/span> [::5]\n\n#view first six rows of DataFrame\n<\/span>sys_sample_df. head<\/span> ()\n\n last_name gpa\n3 ORJFW 88.78065\n8 RWPSB 81.96988\n13 RACZU 79.21433\n18 ZOHKA 80.47246\n23 QJETK 87.09991\n28 JTHWB 83.87300\n\n#view dimensions of data frame\n<\/span>sys_sample_df. shape<\/span>\n\n(100, 2)\n<\/strong><\/pre>\n Recursos adicionais<\/strong><\/span><\/h3>\n
Amostragem por cluster em pandas<\/a>
Amostragem estratificada em pandas<\/a><\/p>\n","protected":false},"excerpt":{"rendered":"