昨天写了一段用来做分层随机抽样的代码，很粗糙，不过用公司的2万名导购名单试了一下，结果感人，我觉得此刻的我已经要上天了，哈哈哈哈哈哈

代码如下：

#分层随机抽样 stratified samplingimport xlrd, xlwt, time, randomxl = xlrd.open_workbook(r'C:\Users\Administrator\Desktop\分层抽样.xlsx')xl_sht1 = xl.sheets()[0]xl_sht1_nrows = xl_sht1.nrows#表头title = xl_sht1.row_values(0)#把样本写进列表 samplesample = []for i in range(xl_sht1_nrows): sample.append(xl_sht1.row_values(i))#打乱样本random.shuffle(sample)#把层的内容写进列表 colcol = xl_sht1.col_values(0)#对col中的内容进行计数，获得每一类的名称对应个数的字典col_dict = {}for i in col: col_dict[i] = col_dict.get(i, 0) + 1p = eval(input('每层抽取的比例（小数）：'))#获得每一类的名称对应抽取个数的字典col_p = {}k = 0for i in col_dict.keys(): col_p[i] = int(round(col_dict[i] * p)) #round用来四舍五入，不加int结果会变成无数个p#开始抽样，把抽取结果写进result_l列表result_l = []for i in sample: if col_p.get(i[0], 0) > 0: result_l.append(i) col_p[i[0]] -= 1#新建文档，写入结果f = xlwt.Workbook()f_sht1 = f.add_sheet('result')n = 0for i in title: f_sht1.write(0, n, i) n += 1r = 1for i in result_l: c = 0 for k in i: f_sht1.write(r, c, k) c += 1 r += 1nowtime = time.strftime("%Y%m%d_%H%M%S", time.localtime())f.save(r'C:\Users\Administrator\Desktop\Result_{0}.xls'.format(nowtime))print('\n抽样成功!')input()

原理思路如下：

1、首先数据的形式如下

数据自带层标签，我只需要从每层抽取一定比例的数据就可以了

2、第一步：先将源数据按行存入一个列表，然后打乱行的顺序

3、第二步：对层标签进行计数，获取每一个层标签的总数，并将结果存进字典

4、第三步：根据抽样比例p，计算出每层实际应抽取的个数，并存入一个新的字典

5、第四步：从源数据列表中抽取出目标数据，每层抽取的个数由第三步的字典进行指定

小白刚刚起步，实现的时候发现自己对数据结构和算法一点也不懂。。。。结果就写了一堆的for循环。。。。

大神们如果看到这段代码，还请不吝赐教，看看代码可以怎样优化，或者有更好的设计思路

补充拓展：pandas实现对dataframe抽样的实现

随机抽样

import pandas as pd#对dataframe随机抽取2000个样本pd.sample(df, n=2000)

分层抽样

利用sklean中的函数灵活进行抽样

from sklearn.model_selection import train_test_split#y是在X中的某一个属性列X_train, X_test, y_train, y_test = train_test_split(X,y, test_size=0.2, stratify=y)

以上这篇python实现的分层随机抽样案例就是小编分享给大家的全部内容了，希望能给大家一个参考，也希望大家多多支持。