浅析pandas随机排列与随机抽样
更新时间：2021年01月22日 11:46:34 作者：元小疯
这篇文章主要介绍了pandas随机排列与随机抽样的相关资料，帮助大家更好的利用pandas进行数据分析，感兴趣的朋友可以了解下
随机排列
利用 numpy.random.permutation() 函数，可以返回一个序列的随机排列。将此随机排列作为 take() 函数的参数，通过应用 take() 函数就可实现按此随机排列来调整 Series 对象或 DataFrame 对象各行的顺序。
其示例代码 example1.py 如下：
import numpy as np import pandas as pd #创建DataFrame df = pd.DataFrame(np.arange(12).reshape(4,3)) print(df) 0 1 2 0 0 1 2 1 3 4 5 2 6 7 8 3 9 10 11 #创建随机排列 order = np.random.permutation(4) #通过随机排列调整DataFrame各行顺序 newDf = df.take(order) print(newDf) 0 1 2 2 6 7 8 3 9 10 11 0 0 1 2 1 3 4 5
随机抽样
随机抽样是指随机从数据中按照一定的行数或者比例抽取数据。随机抽样的函数如下：
numpy.random.randint(start,end,size)
函数中的参数说明如下：
- start：随机数的开始值；
- end：随机数的终止值；
- size：抽样个数。
通过 numpy.random.randint() 函数产生随机抽样的数据，通过应用 take() 函数就可实现随机抽取 Series 对象或 DataFrame 对象中的数据。其示例代码 example2.py 如下
import numpy as np import pandas as pd #创建DataFrame df = pd.DataFrame(np.arange(12).reshape(4,3)) print(df) 0 1 2 0 0 1 2 1 3 4 5 2 6 7 8 3 9 10 11 #随机抽样 order = np.random.randint(0,len(df),size=3) #通过随机抽样抽取DataFrame中的行 newDf = df.take(order) print(newDf) 0 1 2 0 0 1 2 1 3 4 5 1 3 4 5
以上就是详解pandas随机排列与随机抽样的详细内容，更多关于pandas随机排列与随机抽样的资料请关注脚本之家其它相关文章！
相关文章
这篇文章主要为大家详细介绍了如何利用Python优雅地求解阿基米德分牛问题，文中的示例代码讲解详细，感兴趣的小伙伴可以跟随小编一起了解一下2023-03-03
今天小编就为大家分享一篇对python 调用类属性的方法详解，具有很好的参考价值，希望对大家有所帮助。一起跟随小编过来看看吧2019-07-07
今天小编就为大家分享一篇python 串口读取+存储+输出处理实例，具有很好的参考价值，希望对大家有所帮助。一起跟随小编过来看看吧2019-12-12
这篇文章主要介绍了python使用tkinter模块实现文件选择功能，文章围绕主题展开详细的内容介绍，具有一定的参考价值，需要的小伙伴可以参考一下2022-06-06
这篇文章主要介绍了Pandas数据分析固定时间点和时间差，文章未日澳主题展开详细的内容介绍，具有一定的参考价值，需要的小伙伴可以参考一下2022-08-08
这篇文章主要介绍了Python 制作词云的WordCloud参数用法说明，具有很好的参考价值，希望对大家有所帮助。一起跟随小编过来看看吧2021-03-03
这篇文章主要介绍了python利用xlsxwriter模块 操作 Excel，帮助大家更好的利用python处理表格，提高办公效率，感兴趣的朋友可以了解下2020-10-10
在本文中，我们将介绍 Python 中 _ 字符的不同用法。就像 Python 中的许多其他内容一样，我们会看到 “_” 的不同用法主要是惯例问题。这里我们将介绍几种不同的情况。2020-10-10
在Python中,充分利用函数参数的自动收集和灵活处理,是写出高效且易维护代码的关键之一,本文将深入研究Python函数参数的收集方式,感兴趣的小伙伴可以了解下2023-12-12
这篇文章主要为大家详细介绍了PyQt5每天必学之工具提示功能，具有一定的参考价值，感兴趣的小伙伴们可以参考一下2018-04-04
最新评论