随机抽样使用pandas的sample()函数实现，适合分布均匀的数据；分层抽样通过scikit-learn的train_test_split或groupby加sample实现，保留原始分布；选择方法需考虑数据均衡性、目标变量和数据量大小。1. 随机抽样用df.sample(frac=比例或n=数量)并可划分训练集和测试集；2. 分层抽样使用train_test_split时设置stratify=y，或对dataframe按标签分组后抽样；3. 选择策略包括判断类别均衡性、是否存在分类目标变量及数据量是否足够大，同时注意设置random_state确保结果可复现并验证抽样后的比例合理性。
在Python中实现数据采样，尤其是分层抽样和随机抽样，是数据分析、建模前处理阶段非常常见的操作。这两种方法各有适用场景：随机抽样适合样本分布均匀的情况，而分层抽样则更适用于类别不平衡或需要保留原始分布特征的场景。
下面我们就来看怎么在实际中使用这两种方法。
一、随机抽样的实现方式
随机抽样就是从整体数据中按照一定比例或数量随机抽取样本，常用于数据量大、类别分布比较均衡的情况下。它操作简单，效率高。
立即学习“Python免费学习笔记（深入）”；
在Pandas中，可以使用sample()函数来完成：
import pandas as pd# 假设df是你的数据框random_sample = df.sample(frac=0.2, random_state=42) # 抽取20%的数据
frac参数控制比例，如果是固定数量，可以用n=100random_state是为了保证每次运行结果一致
如果你希望把原数据分为训练集和测试集，也可以用这个方法分别取样：
train = df.sample(frac=0.8, random_state=42)test = df.drop(train.index)
这种方式虽然简单，但不考虑数据分布，有可能导致某些类别样本被遗漏。
二、分层抽样的做法与技巧
当你的数据集中某些类别的样本特别少，或者你希望保持样本的比例结构时，就要用到分层抽样（Stratified Sampling）。
举个例子，假设你有一个分类变量label，里面有类别A、B、C，占比分别为70%、20%、10%。你希望抽样后的样本也保持这个比例。
一种常用的方法是使用Scikit-learn中的train_test_split函数，并设置stratify参数：
from sklearn.model_selection import train_test_splitX_train, X_test, y_train, y_test = train_test_split( X, y, test_size=0.2, stratify=y, random_state=42)
这里的stratify=y表示按照y的分布进行分层适用于分类任务，特别是类别不平衡时
如果你只是想单独对一个DataFrame做分层抽样，可以借助groupby加sample的方式手动实现：
stratified_sample = df.groupby('label').sample(frac=0.2, random_state=42)
这样每个类都会按比例抽取，保留了原始分布。
三、两种方法的选择建议
面对“选哪种抽样方法”的问题，可以从以下几个角度判断：
数据是否类别均衡？如果差距很大，优先考虑分层抽样是否有明确的目标变量？如果有，且是分类任务，分层抽样更适合数据量是否足够大？小数据下随机抽样容易失真，建议分层
此外，还要注意：
使用random_state保证结果可复现抽样后检查各类别比例是否合理分层抽样一般只能针对单一标签列，多个变量可能需要其他策略
基本上就这些。两种方法都不复杂，但在实际应用中很容易忽略细节，比如分布偏移、样本代表性等。根据具体任务选择合适的抽样策略，能为后续分析打下一个好基础。
以上就是Python中如何实现数据采样—分层抽样与随机抽样实例的详细内容，更多请关注创想鸟其它相关文章！
版权声明：本文内容由互联网用户自发贡献，该文观点仅代表作者本人。本站仅提供信息存储空间服务，不拥有所有权，不承担相关法律责任。
如发现本站有涉嫌抄袭侵权/违法违规的内容， 请发送邮件至 chuangxiangniao@163.com 举报，一经查实，本站将立刻删除。
发布者：程序猿，转转请注明出处：https://www.chuangxiangniao.com/p/1363907.html
微信扫一扫 
支付宝扫一扫 
