Python 我想使用Bagging从数据集中进行随机抽样。并在进一步分析中使用该数据集。我该怎么做？

首先，我想使用bagging在数据集中进行采样。之后，我将使用反向传播算法进行训练和测试。假设我从数据集中随机选择40%的数据来创建一个样本集。之后，我将再次从总数据集中获取40%的数据，并创建另一个数据集

采样代码：

def subsample(dataset, ratio):
    sample = list()
    n_sample = round(len(dataset) * ratio)
    while len(sample) < n_sample:
        index = randrange(len(dataset))
        append(dataset[index])
        print(sample)
    return sample

---

如果您想对一个数据集进行20个样本，可以使用

pandas.DataFrame.sample

并将每个样本存储到字典中

import pandas as pd
dataset =pd.read_csv("abalone.csv")
df_dict ={}
for i in range(20):
    df_dict['df{}'.format(i)] = dataset.sample(frac=0.4, random_state=123)
    # use 'replace = True' for Sample with replacement.

---

将每个数据集保存到字典（key='a number'和value=dataframe），感谢您的帮助。但我在这方面是全新的。你能帮我提供代码吗。我有一个代码，但我不知道它是否工作。这可能比您当前的子样本函数更简单。您想对

鲍鱼

数据集制作20个单独的样本，还是对20个不同的数据集进行采样？我必须使用UCI机器库中的20个数据集，如鲍鱼、甲状腺、汽车、国际象棋等。现在，对于每个数据集，我必须进行采样。假设考虑鲍鱼数据集。我需要这个数据集的不同样本，使用bagging。我想poster需要20个来自不同数据集的样本，而不是20个来自一个？即：“我必须使用UCI机器库中的20个数据集，如鲍鱼、甲状腺、汽车、国际象棋……等等”。这似乎是正确的方法，只是样本不应该来自多个CSV文件吗？@DarrylG，相同的方法可以应用于不同的数据集，并且每个字典都可以保存，或者可以创建一个新的字典，其中

key

作为数据集的名称，

value

作为当前值dict@shijith--同意，这就是为什么我认为这是正确的方法。非常感谢。我正在和我的主管谈这件事。如果我需要更多的东西，我会回来的。再次感谢。

import pandas as pd
dataset =pd.read_csv("abalone.csv")
df_dict ={}
for i in range(20):
    df_dict['df{}'.format(i)] = dataset.sample(frac=0.4, random_state=123)
    # use 'replace = True' for Sample with replacement.