pandas.Panel4D.sample

Panel4D.sample(n=None, frac=None, replace=False, weights=None, random_state=None, axis=None) [source]

Возвращает случайную выборку элементов из оси объекта.

Введено в версии 0.16.1.

Параметры:

n : int, необязательно Количество элементов из оси для возврата. Не может быть использовано с frac. Значение по умолчанию = 1, если frac = None. frac : float, необязательно Доля элементов оси для возврата. Не может быть использовано с n. replace : boolean, необязательно Выборка с возвращением или без возвращения. Значение по умолчанию = False. weights : str или ndarray-подобный объект, необязательно Значение по умолчанию ‘None’ приводит к равномерному взвешиванию вероятностей. Если передана Series, она будет выровнена с целевым объектом по индексу. Значения индекса в weights, которые не найдены в объекте выборки, будут проигнорированы, а значения индекса в объекте выборки, которых нет в weights, будут присвоены нулевому весу. Если вызов осуществляется для DataFrame, при axis = 0 будет приниматься имя столбца. Если weights не является Series, weights должны иметь такую же длину, как ось, которая выбирается. Если веса не суммируются до 1, они будут нормализованы, чтобы суммироваться до 1. Пропущенные значения в столбце weights будут рассматриваться как нулевые. Значения inf и -inf недопустимы. random_state : int или numpy.random.RandomState, необязательно Зерно для генератора случайных чисел (если целое число) или объект numpy RandomState. axis : int или строка, необязательно Ось для выборки. Принимает номер оси или имя. Значение по умолчанию — ось состояния для данного типа данных (0 для Series и DataFrame, 1 для Panel).

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 возвращением:

>>> 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