python实现的分层随机抽样案例
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stratifiedsampling
importxlrd,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=[]
foriinrange(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={}
foriincol:
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
foriincol_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=[]
foriinsample:
ifcol_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
foriintitle:
f_sht1.write(0,n,i)
n+=1
r=1
foriinresult_l:
c=0
forkini:
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
importpandasaspd #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
fromsklearn.model_selectionimporttrain_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毛票票。
声明：本文内容来源于网络，版权归原作者所有，内容由互联网用户自发贡献自行上传，本网站不拥有所有权，未作人工编辑处理，也不承担相关法律责任。如果您发现有涉嫌版权的内容，欢迎发送邮件至：czq8825#qq.com（发邮件时，请将#更换为@）进行举报，并提供相关证据，一经查实，本站将立刻删除涉嫌侵权内容。