pandas.Series.sample

Series.sample(n=None, frac=None, replace=False, weights=None, random_state=None, axis=None)

Возвращает случайную выборку элементов из оси объекта.

Добавлена в версии 0.16.1.

Параметры:

n : int, необязательно Количество элементов из оси, которые нужно вернуть. Не может быть использовано с frac. По умолчанию = 1, если frac = None. frac : float, необязательно Доля элементов оси, которые нужно вернуть. Не может быть использовано с n. replace : boolean, необязательно Выборка с заменой или без замены. По умолчанию = False. weights : str или ndarray-подобный объект, необязательно По умолчанию ‘None’ приводит к равномерному взвешиванию. Если передана Series, будет согласовываться с целевым объектом по индексу. Значения индекса в weights, которые не найдены в образце, будут проигнорированы, а значения индекса в образце, которые отсутствуют в weights, будут присвоены весам ноль. Если вызывается на DataFrame, примет имя столбца при axis = 0. Если weights не является Series, weights должны иметь такой же размер, как ось, которая используется для выборки. Если веса не суммируются до 1, они будут нормализованы до суммы 1. Пропущенные значения в столбце weights будут обрабатываться как ноль. Значения inf и -inf не допускаются. random_state : int или numpy.random.RandomState, необязательно Зерно для генератора случайных чисел (если int), или объект numpy RandomState. axis : int или строка, необязательно Ось для выборки. Принимает номер оси или имя. По умолчанию - это ось состояния для данного типа данных (0 для Series и DataFrames, 1 для Panels).

Возвращает:

Новый объект того же типа, что и вызывающий объект.

Примеры

Создайте пример Series и DataFrame:

>>> s = pd.Series(np.random.randn(50))
>>> s.head()
0   -0.038497
1    1.820773
2   -0.972766
3   -1.598270
4   -1.095526
dtype: float64
>>> df = pd.DataFrame(np.random.randn(50, 4), columns=list('ABCD'))
>>> df.head()
          A         B         C         D
0  0.016443 -2.318952 -0.566372 -1.028078
1 -1.051921  0.438836  0.658280 -0.175797
2 -1.243569 -0.364626 -0.215065  0.057736
3  1.768216  0.404512 -0.385604 -1.457834
4  1.072446 -1.137172  0.314194 -0.046661

Далее извлеките случайную выборку из этих объектов...

3 случайных элемента из Series:

>>> s.sample(n=3)
27   -0.994689
55   -1.049016
67   -0.224565
dtype: float64

И 10% случайных элементов из DataFrame с заменой:

>>> df.sample(frac=0.1, replace=True)
           A         B         C         D
35  1.981780  0.142106  1.817165 -0.290805
49 -1.336199 -0.448634 -0.789640  0.217116
40  0.823173 -0.078816  1.009536  1.015108
15  1.421154 -0.055301 -1.922594 -0.019696
6  -0.148339  0.832938  1.787600 -1.383767