pandas.DataFrame.sample

DataFrame.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 или без возврата. 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 индексов в весах, отсутствующие в выборке, будут проигнорированы, а значения индексов в выборке, отсутствующие в весах, будут присвоены весам нулевые значения. Если используется DataFrame, можно указать имя столбца при axis = 0. Если весы не являются Series, они должны иметь такую же длину, как ось, которая выбирается. Если весы не суммируются до 1, они будут нормализованы до суммы в 1. Пропущенные значения в столбце весов будут обрабатываться как нулевые. Значения inf и -inf недопустимы. random_state : int или numpy.random.RandomState, необязательно Семечко для генератора случайных чисел (если целое число) или объект numpy RandomState. axis : int или строка, необязательно Ось для выборки. Принимает номер или имя оси. По умолчанию — ось по умолчанию для данного типа данных (0 для Series и DataFrame, 1 для Panel).

Возвращает:

Новый объект того же типа, что и вызывающий.

Примеры

Сгенерировать 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 извлечь 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