码迷,mamicode.com
首页 > 编程语言 > 详细

python 分层抽样

时间:2020-12-17 12:01:00      阅读:1      评论:0      收藏:0      [点我收藏+]

标签:ram   pat   技术   xls   list   bsp   一个   数据   cat   

import numpy as np
import pandas as pd

PATH_DES = /Users/linxianli/Desktop/
df = pd.read_excel(PATH_DES + 工作簿1.xlsx)

df.head()
技术图片
# 使用 sklearn 进行分层抽样
from sklearn.model_selection import train_test_split

# data[‘TYPE‘]是在data中的某一个属性列
X_train, X_test, y_train, y_test = train_test_split(df,df[TYPE], test_size=0.2, stratify=df[TYPE]) # test_size 测试集占比

print(X_train.shape)
print(X_test.shape)
‘‘‘
(885, 4)
(222, 4)
‘‘‘


# 普通方法进行分层抽样
test = pd.DataFrame()              # 划分出的test集合
train = pd.DataFrame()             # 剩余的train集合
tags = df[TYPE].unique().tolist() # 按照该标签进行等比例抽取

for tag in tags:
    # 随机选取0.2的数据
    data = df[(df[TYPE] == tag)]
    sample = data.sample(int(0.2*len(data)))
    sample_index = sample.index
    
    # 剩余数据
    all_index = data.index
    residue_index = all_index.difference(sample_index) # 去除sample之后剩余的数据
    residue = data.loc[residue_index]  # 这里要使用.loc而非.iloc
    
    # 保存
    test = pd.concat([test, sample], ignore_index=True)
    train = pd.concat([train, residue], ignore_index=True)

print(test.shape)
print(train.shape)
‘‘‘
(221, 4)
(886, 4)
‘‘‘

 

python 分层抽样

标签:ram   pat   技术   xls   list   bsp   一个   数据   cat   

原文地址:https://www.cnblogs.com/LXL616/p/14121674.html

(0)
(0)
   
举报
评论 一句话评论(0
登录后才能评论!
© 2014 mamicode.com 版权所有  联系我们:gaon5@hotmail.com
迷上了代码!