您好, 欢迎来到 !    登录 | 注册 | | 设为首页 | 收藏本站

Pandas的分层样品

Pandas的分层样品

我不确定您是否是这个意思:

strats = []
for k in range(11):
    y_val = k*0.1
    dummy_df = your_df[your_df['Y'] == y_val]
    stats.append( dummy_df.sample(200) )

这将使虚拟数据帧仅包含所需的Y值,然后取样200。

确定,因此您需要不同的块以具有相同的结构。我想这有点难,这是我的做法:

首先,我将得到如下所示的直方图X1

hist, edges = np.histogram(your_df['X1'], bins=np.linespace(min_x, max_x, nbins))

我们现在有了一个带有nbins垃圾箱的直方图。

现在的策略是根据行的值绘制一定数量的行X1。我们将从具有更多观察结果的容器中获取更多信息,而从具有更少观察值的容器中获取更少信息,从而X保留的结构。

特别是,每个垃圾箱的相对贡献应为:

rel = [float(i) / sum(hist) for i in hist]

这会像 [0.1, 0.2, 0.1, 0.3, 0.3]

如果需要200个样本,则需要绘制:

draws_in_bin = [int(i*200) for i in rel]

现在我们知道从每个箱中抽取多少个观测值:

strats = []
for k in range(11):
        y_val = k*0.1

        #get a dataframe for every value of Y
        dummy_df = your_df[your_df['Y'] == y_val]

        bin_strat = []
        for left_edge, right_edge, n_draws in zip(edges[:-1], edges[1:], draws_in_bin):

             bin_df = dummy_df[ (dummy_df['X1']> left_edge) 
                              & (dummy_df['X1']< right_edge) ]

             bin_strat.append(bin_df.sample(n_draws))
             # this takes the right number of draws out 
             # of the X1 bin where we currently are
             # Note that every element of bin_strat is a dataframe
             # with a number of entries that corresponds to the 
             # structure of draws_in_bin
        #
        #concatenate the dataframes for every bin and append to the list
        strats.append( pd.concat(bin_strat) )
其他 2022/1/1 18:36:28 有414人围观

撰写回答


你尚未登录,登录后可以

和开发者交流问题的细节

关注并接收问题和回答的更新提醒

参与内容的编辑和改进,让解决方法与时俱进

请先登录

推荐问题


联系我
置顶