Выборка и случайные данные в Pandas

Pandas предоставляет богатый функционал случайной выборки, позволяя при необходимости случайным образом выбирать образцы из набора данных, а также поддерживает генерацию случайных данных.


Случайная выборка

Метод sample

Пример

import pandas as pd
import numpy as np

# Создать большой набор данных
df = pd.DataFrame({
    "ID": range(1, 1001),
    "Value": np.random.randn(1000)
})

# Случайная выборка 5 строк
print("Случайная выборка 5 строк:")
print(df.sample(5))
print()

# Выборка 30% данных
print("Случайная выборка 30%:")
print(df.sample(frac=0.3))
print()

# Выборка с возвращением
print("Выборка 5 строк с возвращением:")
print(df.sample(5, replace=True))

Установка случайного зерна

Пример

import pandas as pd
import numpy as np

# Установите случайное зерно для воспроизводимых результатов
np.random.seed(42)

df = pd.DataFrame({
    "ID": range(1, 11),
    "Value": np.random.randn(10)
})

print("Используется случайное зерно 42:")
print(df.sample(3))

# Снова запустить с тем же зерном, чтобы получить те же результаты
print("\nПовторный запуск с тем же зерном:")
np.random.seed(42)
print(df.sample(3))

Генерация случайных данных

Пример

import pandas as pd
import numpy as np

# Сгенерировать случайные целые числа
print("Случайные целые числа [0, 10):")
print(pd.Series(np.random.randint(0, 10, 5)))
print()

# Сгенерировать случайные числа с плавающей точкой
print("Случайные числа с плавающей точкой [0, 1):")
print(pd.Series(np.random.random(5)))
print()

# Сгенерировать случайные числа с нормальным распределением
print("Нормальное распределение N(0, 1):")
print(pd.Series(np.random.randn(5)))
print()

# Укажите среднее и стандартное отклонение
print("Нормальное распределение N(10, 2):")
print(pd.Series(np.random.normal(10, 2, 5)))
print()

# Случайный выбор
choices = ["A", "B", "C", "D"]
print("Случайный выбор:")
print(pd.Series(np.random.choice(choices, 10)))

Разделение на обучающую и тестовую выборки

Пример

import pandas as pd
import numpy as np

# Смоделировать набор данных
df = pd.DataFrame({
    "Feature1": np.random.randn(100),
    "Feature2": np.random.randn(100),
    "Target": np.random.choice([0, 1], 100)
})

# Разделить на обучающий и тестовый наборы (80% / 20%)
train = df.sample(frac=0.8, random_state=42)
test = df.drop(train.index)

print(f"Обучающая выборка: {len(train)} строк")
print(f"Тестовая выборка: {len(test)} строк")
print()

# Стратифицированная выборка (сохранить пропорцию целевой переменной)
print("Стратифицированная выборка:")
from sklearn.model_selection import train_test_split
# Требуется scikit-learn: pip install scikit-learn
# train, test = train_test_split(df, test_size=0.2, stratify=df["Target"])
Другие расширения