python - 如何从数据框中平均采样？

Question

假设我有一些观察，每个观察都有一个指示的类，从 1 到 n。这些类中的每一个在数据集中不一定均等出现。

我怎样才能从数据框中平均抽样？现在我在做类似...

frames = []
classes = df.classes.unique()

for i in classes:
    g = df[df.classes = i].sample(sample_size)
    frames.append(g)

equally_sampled = pd.concat(frames)

pandas 有没有等采样的函数？

Answer 1

为了更优雅，你可以这样做:

df.groupby('classes').apply(lambda x: x.sample(sample_size))

---

扩展名:

您可以使 sample_size 成为组大小的函数，以等概率(或按比例)进行抽样:

nrows = len(df)
total_sample_size = 1e4
df.groupby('classes').\
    apply(lambda x: x.sample(int((x.count()/nrows)*total_sample_size)))

它不会产生与 total_sample_size 相同的行数，但采样会比朴素方法更成比例。