DataFrame是Pandas库中非常重要的数据结构，而sample是用于Dataframe中的取样函数之一。它允许您从DataFrame中选择要进行分析或处理的随机样本。本文将会深入探讨sample的使用及其参数，为您展示如何在DataFrame中使用sample方法。
一、随机采样
在训练模型或分析数据时，我们经常需要从给定的DataFrame数据集中提取随机样本进行分析。这时，我们可以使用sample方法。该方法可以从DataFrame中随机地选择一些行或列，并将其组成一个新的DataFrame。
import pandas as pd
#创建一个DataFrame
data = {'Name': ['Tom', 'Jack', 'Steve', 'Ricky'],'Age': [28, 34, 29, 42],'Country':['US', 'UK', 'US', 'UK']}
df = pd.DataFrame(data)
#从DataFrame中随机选取2行数据
df_sample = df.sample(n=2)
print(df_sample)
在上面的代码中，我们使用sample方法从df DataFrame中随机选取了2行数据。我们可以看到，它返回了一个新的DataFrame，其中包括两个随机选择的行。
二、采样比例
当我们处理非常大的数据集时，我们可能不需要全部数据，而是需要从整个数据集中选择一小部分数据进行分析。我们可以使用frac参数来指定采样比例。
import pandas as pd
#创建一个DataFrame
data = {'Name': ['Tom', 'Jack', 'Steve', 'Ricky'],'Age': [28, 34, 29, 42],'Country':['US', 'UK', 'US', 'UK']}
df = pd.DataFrame(data)
#从DataFrame中选择50%的数据。
df_sample = df.sample(frac=0.5, random_state=1)
print(df_sample)
在上面的代码中，我们使用frac参数从df DataFrame中随机选择50%的行。我们可以看到，它返回了一个新的DataFrame，其中包括50%的随机选择的行。
三、重复采样
有时我们需要重复采样，即从原始数据集中选择一些随机数据，然后再进行另一轮随机选择。
import pandas as pd
#创建一个DataFrame
data = {'Name': ['Tom', 'Jack', 'Steve', 'Ricky'],'Age': [28, 34, 29, 42],'Country':['US', 'UK', 'US', 'UK']}
df = pd.DataFrame(data)
#从DataFrame中进行50%的随机选择，并重复采样5次。
df_sample = df.sample(frac=0.5, replace=True, random_state=1)
for i in range(5):
df_sample = df_sample.sample(frac=0.5, replace=True, random_state=1)
print(df_sample)
在上面的代码中，我们从df DataFrame中进行50%的随机选择，并重复采样5次。replace=True参数允许我们重复选择相同的行。我们可以看到，它返回了一个由重复采样随机选择的数据行构成的新DataFrame。
四、随机采样列
与采样行相比，还可以使用sample方法从DataFrame中选择随机列。在这种情况下，我们可以使用axis = 1参数将操作的方向设置为列。
import pandas as pd
#创建一个DataFrame
data = {'Name': ['Tom', 'Jack', 'Steve', 'Ricky'],'Age': [28, 34, 29, 42],'Country':['US', 'UK', 'US', 'UK']}
df = pd.DataFrame(data)
#从DataFrame中选择两个随机列。
df_sample = df.sample(n=2, axis=1, random_state=1)
print(df_sample)
在上面的代码中，我们使用axis = 1参数从DataFrame中随机选择2列。我们可以看到，它返回了由两个随机选择的列构成的新DataFrame。
五、按值采样
有时候，我们需要按列中的某些值进行随机采样。这里，我们可以使用weights参数控制样本中每个元素的权重。
import pandas as pd
#创建一个DataFrame
data = {'Name': ['Tom', 'Jack', 'Steve', 'Ricky'],'Age': [28, 34, 29, 42],'Country':['US', 'UK', 'US', 'UK']}
df = pd.DataFrame(data)
#将weights参数设置为Age列中的值，按值进行随机采样。
df_sample = df.sample(n=2, weights=df['Age'], random_state=1)
print(df_sample)
在上面的代码中，我们将weights参数设置为Age列中的值，按照这些值进行随机采样。我们可以看到，它返回了由两个随机选择的行构成的新DataFrame，这些行被选中的可能性与它们Age列中的值成正比。
六、如何随机数
在上面的例子中，我们多次使用了random_state参数。这个参数的值就是随机数生成器种子。固定random_state参数的值可以确保每次运行代码时，我们都得到相同的随机采样结果。如果不固定这个参数，我们可能会得到不同的采样结果。
import pandas as pd
#创建一个DataFrame
data = {'Name': ['Tom', 'Jack', 'Steve', 'Ricky'],'Age': [28, 34, 29, 42],'Country':['US', 'UK', 'US', 'UK']}
df = pd.DataFrame(data)
#从DataFrame中随机选择2行数据。
df_sample = df.sample(n=2, random_state=1)
print(df_sample)
#再次随机采样。
df_sample = df.sample(n=2, random_state=2)
print(df_sample)
在上面的代码中，我们随机选择了2行数据。我们知道，每次运行代码时，使用相同的random_state值我们可以得到相同的结果。如果使用不同的random_state值，我们将得到不同的结果。
七、总结
本文深入介绍了DataFrame中sample方法的使用及其常用的参数。我们可以使用sample方法从DataFrame中随机选择样本行或列，可以控制采样比例，可以进行重复采样和按值采样。同时，我们还演示了如何使用random_state参数来确保每次得到相同的随机结果。在实际应用中，sample方法可以帮助我们优雅地处理大规模数据。
