pandas.Panel.sample

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

Возвращает случайную выборку элементов из оси объекта.

Параметры:

n : int, необязательно Количество элементов с оси для возврата. Не может быть использовано с frac. 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 заменой или без. По умолчанию = False. weights : str или ndarray-подобный объект, необязательно По умолчанию ‘None’ приводит к равномерному распределению вероятностей. Если передана Series, она будет согласована с целевым объектом по индексу. Значения индекса в weights, не найденные в образце, будут проигнорированы, а значения индекса в образце, отсутствующие в weights, будут назначены весам равными нулю. Если вызывается на DataFrame, можно использовать имя столбца при axis = 0. Если весы не являются Series, они должны иметь такую же длину, как ось, которая выбирается. Если сумма весов не равна 1, они будут нормализованы так, чтобы сумма равнялась 1. Пропущенные значения в столбце весов 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 Panel).

Возвращает:

Новый объект того же типа, что и вызывающий.

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 обоих этих объектов…

3 случайных элемента из Series:

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

И случайных 10% от 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