Python 大熊猫的取样

如果我想随机采样熊猫数据帧，我可以使用

---

假设我随机抽取80%的行。如何自动获取未拾取的其他20%的行？

正如Lagerber所解释的，可以向数据帧添加一个具有唯一索引的列，或者随机洗牌整个数据帧。对于后者

df.reindex(np.random.permutation(df.index))

---

工作。（np的意思是numpy）

您是用替换品取样还是不用替换品取样？如果采样而不替换：只需将具有唯一索引的列添加到数据帧。然后查看在80%中选择了哪些索引号，并使用这些索引号获得剩余的20%。或者，您可以找到一种方法来洗牌整个数据帧，即随机化所有行，然后将行以80:20的比例拆分，而不进行替换

>>> import pandas as pd, numpy as np
>>> df = pd.DataFrame({'a': [1,2,3,4,5,6,7,8,9,10], 'b': [11,12,13,14,15,16,17,18,19,20]})
>>> df
    a   b
0   1  11
1   2  12
2   3  13
3   4  14
4   5  15
5   6  16
6   7  17
7   8  18
8   9  19
9  10  20

# randomly sample 5 rows
>>> sample = df.sample(5)
>>> sample
   a   b
7  8  18
2  3  13
4  5  15
0  1  11
3  4  14

# list comprehension to get indices not in sample's indices
>>> idxs_not_in_sample = [idx for idx in df.index if idx not in sample.index]
>>> idxs_not_in_sample
[1, 5, 6, 8, 9]

# locate the rows at the indices in the original dataframe that aren't in the sample
>>> not_sample = df.loc[idxs_not_in_sample]
>>> not_sample
    a   b
1   2  12
5   6  16
6   7  17
8   9  19
9  10  20