pandas.Series.sample

Series.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 из оси для возврата. Не может использоваться с frac. По умолчанию = 1, если frac = None. frac : float, необязательно Доля элементов оси для возврата. Не может использоваться с n. replace : boolean, необязательно Выборка с возвратом или без возврата. По умолчанию = False. weights : str или ndarray-подобный объект, необязательно По умолчанию ‘None’ означает равное взвешивание вероятностей. Если передана Series, она будет согласована с целевым объектом по индексу. Значения индексов в weights, отсутствующие в объекте выборки, будут проигнорированы, а значения индексов в объекте выборки, отсутствующие в weights, будут присвоены весу 0. Если вызов осуществляется на DataFrame, он будет принимать имя столбца при axis = 0. Если weights не является Series, weights должны иметь такую же длину, как ось, по которой производится выборка. Если веса не суммируются до 1, они будут нормализованы, чтобы суммироваться до 1. Пропущенные значения в столбце весов будут обрабатываться как ноль. Значения inf и -inf недопустимы. random_state : int или numpy.random.RandomState, необязательно Семя генератора псевдослучайных чисел (если int) или объект numpy RandomState. axis : int или строка, необязательно Ось для выборки. Принимает номер или имя оси. 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

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 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% из 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