[Pandas] 파이썬 데이터프레임 랜덤 샘플링 방법 : df.sample

Python의 판다스 모듈로 데이터프레임의 행들을 랜덤 추출할 수 있는

df.sample 기능에 대하여 사용 예제를 정리해보도록 하겠습니다.

 

이해를 돕기 위하여 아래의 데이터프레임 df에 대하여 행 샘플링을 진행해 보겠습니다.

import pandas as pd

df = pd.DataFrame({"이름" : ["AAA", "BBB", "CCC", "DDD", "EEE", "FFF", "GGG", "HHH", "III", "JJJ"],
                   "반" : [1, 1, 1, 1, 1, 2, 2, 2, 2, 2],
                   "점수" : [67, 100, 12, 85, 13, 92, 27, 5, 100, 98]})

df

 

 

특정 개수 샘플링

df.sample(n) 형태로 간단하게 n개의 행들을 임의 추출하는 것이 가능합니다.

여기서 random_state 인자를 특정 정수로 지정 시 샘플링 결과가 고정됩니다.

df.sample(3)
# df.sample(3, random_state = 14) 샘플링 결과 고정

 

 

특정 비율 샘플링

df.sample(frac = r) 형태로 지정하여, 전체 행들 중 r만큼 비중의 행들을

랜덤 샘플링할 수 있습니다. 아래는 전체 중 절반의 행들을 임의 추출하는 예시입니다.

(개수와 비율 중 하나만 지정이 가능한 점을 유의해주세요.)

df.sample(frac = 0.5)

 

반응형

 

가중치 샘플링

각 행의 가중치를 다르게 설정하여 샘플링하는 것도 가능합니다.

weights 인자에 숫자로 구성된 특정 열을 지정하거나

리스트(배열) 형태로 원하는 가중치를 직접 지정할 수도 있습니다.

df.sample(5, weights = "점수")

# 가중치 직접 지정해서도 가능
# df.sample(5, weights = [0.4, 0.1, 0.1, 0.1, 0.1, 0.1, 0.05, 0.05, 0, 0])

 

 

중복 허용 샘플링

replace 인자를 True로 지정 시, 이미 추출된 행이 중복하여 등장할 수 있습니다.

이 경우에는 n을 행 개수 초과로 하거나 frac 인자에 1보다 큰 수를 지정도 가능합니다.

df.sample(7, replace = True)

 

 

기타 df.sample 기능

axis 인자 : 1로 지정 시 행 대신 열 기준으로 랜덤 샘플링이 진행됩니다.

ignore_index 인자 : True로 설정 시 추출 결과의 인덱스가 0, 1, ..., n-1로 초기화됩니다.