Python 3.x 为什么样本（frac=1）和原始数据之间的平均聚合groupby结果不同？

我不知道这是否真的是一个基本问题

所以我一直在玩Groupby，用熊猫进行聚合和取样。。使用此sample.csv文件

以下是原始数据分组的结果，使用平均聚合（'i'这里是数据帧）：

然后，这里是使用平均聚合的样本（frac=1，replace=True）分组的数据结果：

    i_sampling = i[["Precipitation","Speed","State"]].sample(frac=1,replace=True)
    test2 = i_sampling.groupby('State')[["Precipitation","Speed"]].mean()
    test2.head(5)

                   Precipitation     Speed
    State                              
    Alabama          0.810588       5.951765
    Alaska           0.416984       9.862222
    Arizona          0.082500       3.581875
    Arkansas         0.494118       3.469412
    California       1.103448       3.536207

但我无法理解并接受这些结果，以下是我的理解：

我的理解，sample（frac=1，replace=True）的概念是制作一个数据帧，该数据帧具有100%的随机索引的数据帧样本（replace=True），我认为这就像是一个随机索引数据帧，所以我希望groupby原始和采样的平均值必须相同

我的问题是：

但是结果显示出了差异？有人能解释一下为什么会发生这种情况吗？。。我知道很多研究使用这些方法进行引导分析（所以这个问题只是为了澄清聚合和groupby在这个案例中是如何工作的）

---

（注意：如果是不同的情况，我当然接受，例如：使用低于1的分形，这意味着样本只使用DF的一部分（低于100%），因此如果结果不同，则很明显）

谢谢@Chris的反馈！，这个极简主义的情节表明

替换=真

确实会对样本分布产生一点点影响，这对于引导方法来说是有意义的：

i_sampling_true = i[["Precipitation","Speed","State"]].sample(frac=1,replace=True)
i_sampling_false = i[["Precipitation","Speed","State"]].sample(frac=1,replace=False)

def dataframe_distplot(df, col, rug=True, hist=False, title_df="Title DF", color="Red", axes="None"):
     if axes == "None": sns.distplot(df[col], color=color, rug=rug, hist=hist).set_title(title_df)
     else: sns.distplot(df[col], ax=axes, color=color, rug=rug, hist=hist).set_title(title_df)

ax = dataframe_distplot(i, "Precipitation", True, False, title_df="Dist Plot Original vs Replace=False")
dataframe_distplot(i_sampling_false, "Precipitation", True, False, title_df="Dist Plot Original vs Replace=False",color="blue", axes=ax)

---

不确定这里是否是这种情况，但通常您需要在执行groupby.remove

replace=True

之前对数据进行排序，然后它们将变得相同。@Chris，好的，所以当replace=False时它已修复：o，谢谢！所以，我想知道replace=True是如何工作的？您选择一个样本，保留它，但将其替换回池中。理论上，您可能会得到所有相同的行。这就是替换的定义

i_sampling_true = i[["Precipitation","Speed","State"]].sample(frac=1,replace=True)
i_sampling_false = i[["Precipitation","Speed","State"]].sample(frac=1,replace=False)

def dataframe_distplot(df, col, rug=True, hist=False, title_df="Title DF", color="Red", axes="None"):
     if axes == "None": sns.distplot(df[col], color=color, rug=rug, hist=hist).set_title(title_df)
     else: sns.distplot(df[col], ax=axes, color=color, rug=rug, hist=hist).set_title(title_df)

ax = dataframe_distplot(i, "Precipitation", True, False, title_df="Dist Plot Original vs Replace=False")
dataframe_distplot(i_sampling_false, "Precipitation", True, False, title_df="Dist Plot Original vs Replace=False",color="blue", axes=ax)

ax = dataframe_distplot(i, "Precipitation", True, False, title_df="Dist Plot Original vs Replace=True")
dataframe_distplot(i_sampling_true, "Precipitation", True, False, title_df="Dist Plot Original vs Replace=True",color="yellow", axes=ax)