Pandas+Numpy+Sklearn随机取数的实现示例
作者：尤而小屋
使用Python、pandas、numpy、scikit-learn来实现随机打乱、抽取和切割数据,文中通过示例代码介绍的非常详细,需要的朋友们下面随着小编来一起学习学习吧
本文记录的是如何使用Python、pandas、numpy、scikit-learn来实现随机打乱、抽取和切割数据。主要的方法包含：
- sample
- shuffle
- np.random.permutation
- train_test_split
导入数据
In [1]:
import pandas as pd import numpy as np import random # 随机模块 import plotly_express as px # 可视化库 import plotly.graph_objects as go
内置数据
采用的是plotly库中内置的一份消费数据集：
In [2]:
df = px.data.tips() df.head()
基本信息
In [3]:
df.shape
Out[3]:
(244, 7)
In [4]:
columns = df.columns columns
Out[4]:
Index(['total_bill', 'tip', 'sex', 'smoker', 'day', 'time', 'size'], dtype='object')
sample实现
行方向
In [5]:
随机抽取一行记录：
df.sample() # 随机抽取一行记录
随机抽取多行数据：
通过参数frac实现按照比例随机抽样：
df.sample(frac=0.05)
列方向
主要是选择不同数量或者比例的属性；整体的行数量是不变的
In [8]:
df.sample(3, axis=1) # 在列属性上抽取
shuffle实现
scikit-Learn的shuffle
In [9]:
from sklearn.utils import shuffle
In [10]:
shuffle(df) # 打乱数据
random模块的shuffle
In [11]:
length = list(range(len(df))) # 原始的长度作为索引 length[:5]
Out[11]:
[0, 1, 2, 3, 4]
In [12]:
random.shuffle(length) # 打乱索引
In [13]:
length[:5]
Out[13]:
[136, 35, 207, 127, 29] # 打乱后的结果
In [14]:
df.iloc[length] # 通过打乱后的索引获取数据
numpy实现
In [15]:
# 先打乱每个索引 np.random.permutation(len(df))
Out[15]:
array([223, 98, 238, 17, 101, 26, 122, 212, 27, 79, 210, 147, 176,
82, 164, 142, 141, 219, 6, 63, 185, 112, 158, 188, 242, 207,
45, 55, 178, 150, 217, 32, 16, 160, 157, 234, 95, 174, 93,
52, 57, 220, 216, 230, 35, 86, 125, 114, 100, 73, 83, 88,
34, 7, 40, 115, 97, 165, 84, 18, 197, 151, 135, 121, 72,
173, 228, 143, 227, 9, 183, 56, 23, 237, 136, 106, 133, 189,
139, 0, 208, 74, 166, 4, 68, 12, 71, 85, 172, 138, 149,
144, 232, 186, 99, 130, 41, 201, 204, 10, 167, 195, 66, 159,
213, 87, 103, 117, 31, 211, 190, 24, 243, 127, 48, 218, 233,
113, 81, 235, 229, 206, 96, 46, 222, 50, 156, 180, 214, 124,
240, 140, 89, 225, 2, 120, 58, 169, 193, 39, 102, 104, 148,
184, 170, 152, 153, 146, 179, 137, 129, 64, 3, 65, 128, 90,
110, 14, 226, 181, 131, 203, 221, 80, 51, 94, 231, 44, 108,
43, 145, 47, 75, 162, 163, 69, 126, 200, 1, 123, 37, 205,
111, 25, 91, 11, 42, 67, 118, 196, 161, 28, 116, 105, 33,
38, 78, 76, 224, 20, 202, 171, 177, 107, 8, 209, 239, 77,
241, 154, 5, 198, 92, 61, 182, 36, 70, 22, 54, 187, 175,
119, 215, 49, 134, 21, 60, 62, 168, 59, 155, 194, 109, 132,
19, 199, 29, 191, 13, 30, 192, 236, 15, 53])
In [16]:
# 通过打乱后的索引来选择数据 df.iloc[np.random.permutation(len(df))]
train_test_split实现
from sklearn.model_selection import train_test_split
data = []
for i in train_test_split(df, test_size=0.2):
data.append(i)
In [18]:
第一份数据是80%的：
data[0] # 80%的数据
剩余的20%的数据：
到此这篇关于Pandas+Numpy+Sklearn随机取数的实现示例的文章就介绍到这了,更多相关Pandas+Numpy+Sklearn随机取数内容请搜索脚本之家以前的文章或继续浏览下面的相关文章希望大家以后多多支持脚本之家！