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 или без возврата. По умолчанию = False. weights : str или ndarray-подобный объект, необязательно По умолчанию ‘None’ приводит к равномерному весу вероятностей. Если передана Series, она будет согласована с целевым объектом по индексу. Значения индекса в весах, которых нет в объекте выборки, будут игнорироваться, а значения индекса в объекте выборки, которых нет в весах, будут присвоены нулевому весу. Если вызывается на DataFrame, будет приниматься имя столбца при axis = 0. Если веса не являются Series, веса должны иметь такую же длину, как ось, из которой осуществляется выборка. Если веса не суммируются до 1, они будут нормированы до суммы 1. Пропущенные значения в столбце весов будут обрабатываться как ноль. Значения inf и -inf недопустимы. random_state : int или numpy.random.RandomState, необязательно Семя 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 — 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 возвратом:

>>> 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