pandasの行・列をランダムサンプリング（抽出）するsample
行数の多いpandas.DataFrame, pandas.Seriesのデータを確認するときに、行または列をランダムに抽出（ランダムサンプリング）するメソッドsample()が便利。
なお、大きいサイズのpandas.DataFrame, pandas.Seriesのデータを確認するときに使えるほかのメソッドとして、先頭・末尾の行を返すhead()とtail()もある。
ここでは以下の内容について説明する。
sample()のデフォルト動作- 抽出する行数・列数を指定: 引数
n - 抽出する行・列の割合を指定: 引数
frac - 乱数シードを固定: 引数
random_state - 重複を許可: 引数
replace - 行・列を指定: 引数
axis
例として、seabornにサンプルとして含まれているirisデータセットを使う。pandas.DataFrameなのでそのまま使えて便利。
import pandas as pd
import seaborn as sns
df = sns.load_dataset("iris")
print(df.shape)
# (150, 5)
source: pandas_sample.py
例はpandas.DataFrameだが、pandas.Seriesでもsample()が用意されている。引数など、使い方は同じ。
スポンサーリンク
sample()のデフォルト動作
引数を何も指定しないと、ランダムで1行が返される。
print(df.sample())
# sepal_length sepal_width petal_length petal_width species
# 108 6.7 2.5 5.8 1.8 virginica
source: pandas_sample.py
抽出する行数・列数を指定: 引数n
引数nで抽出する行数・列数を指定できる。
print(df.sample(n=3))
# sepal_length sepal_width petal_length petal_width species
# 3 4.6 3.1 1.5 0.2 setosa
# 1 4.9 3.0 1.4 0.2 setosa
# 96 5.7 2.9 4.2 1.3 versicolor
source: pandas_sample.py
抽出する行・列の割合を指定: 引数frac
引数fracで抽出する行・列の割合を指定できる。1だと100%。nとfracを同時に指定することは出来ない。
print(df.sample(frac=0.04))
# sepal_length sepal_width petal_length petal_width species
# 119 6.0 2.2 5.0 1.5 virginica
# 97 6.2 2.9 4.3 1.3 versicolor
# 46 5.1 3.8 1.6 0.2 setosa
# 137 6.4 3.1 5.5 1.8 virginica
# 56 6.3 3.3 4.7 1.6 versicolor
# 62 6.0 2.2 4.0 1.0 versicolor
source: pandas_sample.py
乱数シードを固定: 引数random_state
引数random_stateで乱数シードを指定して乱数生成器を初期化できる。同じシードで初期化した後は常に同じように行・列が返される。
print(df.sample(n=3, random_state=0))
# sepal_length sepal_width petal_length petal_width species
# 114 5.8 2.8 5.1 2.4 virginica
# 62 6.0 2.2 4.0 1.0 versicolor
# 33 5.5 4.2 1.4 0.2 setosa
source: pandas_sample.py
重複を許可: 引数replace
引数replaceをTrueとすると、抽出される行・列の重複が許可される。デフォルトはFalse。
replace=Trueの場合、元の行数・列数以上のサンプリング数を指定できる。
print(df.head(3).sample(n=3, replace=True))
# sepal_length sepal_width petal_length petal_width species
# 2 4.7 3.2 1.3 0.2 setosa
# 1 4.9 3.0 1.4 0.2 setosa
# 1 4.9 3.0 1.4 0.2 setosa
print(df.head(3).sample(n=5, replace=True))
# sepal_length sepal_width petal_length petal_width species
# 1 4.9 3.0 1.4 0.2 setosa
# 0 5.1 3.5 1.4 0.2 setosa
# 1 4.9 3.0 1.4 0.2 setosa
# 0 5.1 3.5 1.4 0.2 setosa
# 0 5.1 3.5 1.4 0.2 setosa
source: pandas_sample.py
行・列を指定: 引数axis
引数axisを1とすると列をランダムに抽出できる。ここまでの例のように、デフォルトは0（行）。
print(df.head().sample(n=2, axis=1))
# sepal_width species
# 0 3.5 setosa
# 1 3.0 setosa
# 2 3.2 setosa
# 3 3.1 setosa
# 4 3.6 setosa
source: pandas_sample.py
スポンサーリンク