Python 使用引导随机选择

我正在尝试使用自举对子对象（np.random.choice）进行1000次复制，以便使用替换进行重采样，以便计算每个复制的平均值。然后我会比较这些平均值的标准偏差​​标准的

然而，我没有得到引导部分的权利，如何修复

import numpy as np
import pandas as pd
from matplotlib import pyplot as plt
import seaborn as sns
from scipy import stats

df = pd.read_csv('http://www.math.uah.edu/stat/data/Pearson.txt',
                 delim_whitespace=True)
df.head()
y = df['Son'].values

Replications = np.random.choice(y, 1000, replace = True)
print("Replications: " , Replications)
print("")
Mean = np.mean(Replications)

print("Mean: " , Mean)

sem = stats.sem(y)
print ("The SEM : ", sem)

---

您可以创建1000个长度

len（df）

的复制，如下所示：

Replications = np.array([np.random.choice(df.Son, len(df), replace = True) for _ in range(1000)])
Mean = np.mean(Replications, axis=1)
print("Mean: " , Mean)

---

谢谢

你是不是碰巧在寻找

Replications=np.array（[np.random.choice（df.Son，len（df），replace=True）作为uuu范围内（10000）]

？

np.mean（Replications，axis=1）

？感谢我所寻找的，我猜你错加了10000个？不客气！我添加了这些评论作为回答。是的，我不小心加了一个额外的零。刚把它拿出来。