python实现的分层随机抽样案例
(编辑：jimmy 日期: 2024/11/19 浏览：3 次 )
昨天写了一段用来做分层随机抽样的代码，很粗糙，不过用公司的2万名导购名单试了一下，结果感人，我觉得此刻的我已经要上天了，哈哈哈哈哈哈
代码如下：
#分层随机抽样 stratified sampling
import xlrd, xlwt, time, random
xl = xlrd.open_workbook(r'C:\Users\Administrator\Desktop\分层抽样.xlsx')
xl_sht1 = xl.sheets()[0]
xl_sht1_nrows = xl_sht1.nrows
#表头
title = xl_sht1.row_values(0)
#把样本写进列表 sample
sample = []
for i in range(xl_sht1_nrows):
sample.append(xl_sht1.row_values(i))
#打乱样本
random.shuffle(sample)
#把层的内容写进列表 col
col = xl_sht1.col_values(0)
#对col中的内容进行计数，获得每一类的名称对应个数的字典
col_dict = {}
for i in col:
col_dict[i] = col_dict.get(i, 0) + 1
p = eval(input('每层抽取的比例（小数）：'))
#获得每一类的名称对应抽取个数的字典
col_p = {}
k = 0
for i in col_dict.keys():
col_p[i] = int(round(col_dict[i] * p)) #round用来四舍五入，不加int结果会变成无数个p
#开始抽样，把抽取结果写进result_l列表
result_l = []
for i in sample:
if col_p.get(i[0], 0) > 0:
result_l.append(i)
col_p[i[0]] -= 1
#新建文档，写入结果
f = xlwt.Workbook()
f_sht1 = f.add_sheet('result')
n = 0
for i in title:
f_sht1.write(0, n, i)
n += 1
r = 1
for i in result_l:
c = 0
for k in i:
f_sht1.write(r, c, k)
c += 1
r += 1
nowtime = time.strftime("%Y%m%d_%H%M%S", time.localtime())
f.save(r'C:\Users\Administrator\Desktop\Result_{0}.xls'.format(nowtime))
print('\n抽样成功!')
input()
原理思路如下：
1、首先数据的形式如下
数据自带层标签，我只需要从每层抽取一定比例的数据就可以了
2、第一步：先将源数据按行存入一个列表，然后打乱行的顺序
3、第二步：对层标签进行计数，获取每一个层标签的总数，并将结果存进字典
4、第三步：根据抽样比例p，计算出每层实际应抽取的个数，并存入一个新的字典
5、第四步：从源数据列表中抽取出目标数据，每层抽取的个数由第三步的字典进行指定
小白刚刚起步，实现的时候发现自己对数据结构和算法一点也不懂。。。。结果就写了一堆的for循环。。。。
大神们如果看到这段代码，还请不吝赐教，看看代码可以怎样优化，或者有更好的设计思路
补充拓展：pandas实现对dataframe抽样的实现
随机抽样
import pandas as pd #对dataframe随机抽取2000个样本 pd.sample(df, n=2000)
分层抽样
利用sklean中的函数灵活进行抽样
from sklearn.model_selection import train_test_split #y是在X中的某一个属性列 X_train, X_test, y_train, y_test = train_test_split(X,y, test_size=0.2, stratify=y)
以上这篇python实现的分层随机抽样案例就是小编分享给大家的全部内容了，希望能给大家一个参考，也希望大家多多支持。
下一篇：python数据预处理 :数据共线性处理详解