pandas 分层抽样

分层抽样（Stratified Sampling）是一种统计学中的抽样方法，它根据数据的不同特征将总体划分为若干个互不相交的子集（层），然后从每个子集中随机抽取样本，在pandas中，我们可以使用sample函数进行分层抽样。

以下是使用pandas进行分层抽样的详细步骤：

1、导入pandas库

import pandas as pd

2、创建一个数据集

data = {'A': ['foo', 'bar', 'baz', 'foo', 'bar', 'baz'],
        'B': ['one', 'two', 'three', 'two', 'three', 'one'],
        'C': [1, 2, 3, 4, 5, 6],
        'D': [10, 20, 30, 40, 50, 60]}
df = pd.DataFrame(data)

3、根据某个或多个列对数据集进行分层

strata = df[['A', 'B']]  # 根据列'A'和'B'进行分层

4、设置抽样比例和抽样数量

sample_ratio = 0.5  # 抽样比例为50%
sample_size = int(len(df) * sample_ratio)  # 计算抽样数量

5、使用sample函数进行分层抽样

sampled_df = df.groupby(strata).apply(lambda x: x.sample(n=sample_size)).reset_index(drop=True)

6、查看抽样结果

print(sampled_df)

通过以上步骤，我们可以在pandas中实现分层抽样，需要注意的是，分层抽样要求数据集中的每一行都有一个唯一的标识，以便我们可以根据这些标识将数据划分为不同的层。