时间:2021-05-23
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:
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:
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 npimport pandas as pd#创建DataFramedf = pd.DataFrame(np.arange(12).reshape(4,3))print(df)0 1 20 0 1 21 3 4 52 6 7 83 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 20 0 1 21 3 4 51 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其它相关文章!
声明:本页内容来源网络,仅供用户参考;我单位不保证亦不表示资料全面及准确无误,也不保证亦不表示这些资料为最新信息,如因任何原因,本网内容或者用户因倚赖本网内容造成任何损失或损害,我单位将不会负任何法律责任。如涉及版权问题,请提交至online#300.cn邮箱联系删除。
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st
何为数据抽样:抽样是数据处理的一种基本方法,常常伴随着计算资源不足、获取全部数据困难、时效性要求等情况使用。抽样方法:一般有四种方法:随机抽样直接从整体数据中等
摘要:有时候我们只需要数据集中的一部分,并不需要全部的数据。这个时候我们就要对数据集进行随机的抽样。pandas中自带有抽样的方法。应用场景:我有10W行数据,
本文实例讲述了JavaScript数组随机排列实现随机洗牌功能的方法。分享给大家供大家参考。具体分析如下:这段JS代码可以对数组内的元素进行随机排列,这个非常有
在某些情况下需要对原始排列有序的数据随机打乱顺序,本例主要介绍如何利用RAND()随机数产生函数和基本排序操作方法实现一列或多列数据随机排列。软件名称:Exce