Python实现8种常用抽样方法


Posted in Python onJune 27, 2021

今天来和大家聊聊抽样的几种常用方法,以及在Python中是如何实现的。

抽样是统计学、机器学习中非常重要,也是经常用到的方法,因为大多时候使用全量数据是不现实的,或者根本无法取到。所以我们需要抽样,比如在推断性统计中,我们会经常通过采样的样本数据来推断估计总体的样本。

上面所说的都是以概率为基础的,实际上还有一类非概率的抽样方法,因此总体上归纳为两大种类:

概率抽样:根据概率理论选择样本,每个样本有相同的概率被选中。

非概率抽样:根据非随机的标准选择样本,并不是每个样本都有机会被选中。

概率抽样技术

1.随机抽样(Random Sampling)

这也是最简单暴力的一种抽样了,就是直接随机抽取,不考虑任何因素,完全看概率。并且在随机抽样下,总体中的每条样本被选中的概率相等。

Python实现8种常用抽样方法

比如,现有10000条样本,且各自有序号对应的,假如抽样数量为1000,那我就直接从1-10000的数字中随机抽取1000个,被选中序号所对应的样本就被选出来了。

Python中,我们可以用random函数随机生成数字。下面就是从100个人中随机选出5个。

import random
population = 100
data = range(population)
print(random.sample(data,5))
> 4, 19, 82, 45, 41

2.分层抽样(Stratified Sampling)

分层抽样其实也是随机抽取,不过要加上一个前提条件了。在分层抽样下,会根据一些共同属性将带抽样样本分组,然后从这些分组中单独再随机抽样。

Python实现8种常用抽样方法

因此,可以说分层抽样是更精细化的随机抽样,它要保持与总体群体中相同的比例。 比如,机器学习分类标签中的类标签0和1,比例为3:7,为保持原有比例,那就可以分层抽样,按照每个分组单独随机抽样。

Python中我们通过train_test_split设置stratify参数即可完成分层操作。

from sklearn.model_selection import train_test_split

stratified_sample, _ = train_test_split(population, test_size=0.9, stratify=population[['label']])
print (stratified_sample)

3.聚类抽样(Cluster Sampling)

聚类抽样,也叫整群抽样。它的意思是,先将整个总体划分为多个子群体,这些子群体中的每一个都具有与总体相似的特征。也就是说它不对个体进行抽样,而是随机选择整个子群体。

Python实现8种常用抽样方法

Python可以先给聚类的群体分配聚类ID,然后随机抽取两个子群体,再找到相对应的样本值即可,如下。

import numpy as np
clusters=5
pop_size = 100
sample_clusters=2
# 间隔为 20, 从 1 到 5 依次分配集群100个样本的聚类 ID,这一步已经假设聚类完成
cluster_ids = np.repeat([range(1,clusters+1)], pop_size/clusters)
# 随机选出两个聚类的 ID
cluster_to_select = random.sample(set(cluster_ids), sample_clusters)
# 提取聚类 ID 对应的样本
indexes = [i for i, x in enumerate(cluster_ids) if x in cluster_to_select]
# 提取样本序号对应的样本值
cluster_associated_elements = [el for idx, el in enumerate(range(1, 101)) if idx in indexes]
print (cluster_associated_elements)

4.系统抽样(Systematic Sampling)

系统抽样是以预定的规则间隔(基本上是固定的和周期性的间隔)从总体中抽样。比如,每 9 个元素抽取一下。一般来说,这种抽样方法往往比普通随机抽样方法更有效。

下图是按顺序对每 9 个元素进行一次采样,然后重复下去。

Python实现8种常用抽样方法

Python实现的话可以直接在循环体中设置step即可。

population = 100
step = 5
sample = [element for element in range(1, population, step)]
print (sample)

5.多级采样(Multistage sampling)

在多阶段采样下,我们将多个采样方法一个接一个地连接在一起。比如,在第一阶段,可以使用聚类抽样从总体中选择集群,然后第二阶段再进行随机抽样,从每个集群中选择元素以形成最终集合。

Python实现8种常用抽样方法

Python代码复用了上面聚类抽样,只是在最后一步再进行随机抽样即可。

import numpy as np
clusters=5
pop_size = 100
sample_clusters=2
sample_size=5
# 间隔为 20, 从 1 到 5 依次分配集群100个样本的聚类 ID,这一步已经假设聚类完成
cluster_ids = np.repeat([range(1,clusters+1)], pop_size/clusters)
# 随机选出两个聚类的 ID
cluster_to_select = random.sample(set(cluster_ids), sample_clusters)
# 提取聚类 ID 对应的样本
indexes = [i for i, x in enumerate(cluster_ids) if x in cluster_to_select]
# 提取样本序号对应的样本值
cluster_associated_elements = [el for idx, el in enumerate(range(1, 101)) if idx in indexes]
# 再从聚类样本里随机抽取样本
print (random.sample(cluster_associated_elements, sample_size))

非概率抽样技术

非概率抽样,毫无疑问就是不考虑概率的方式了,很多情况下是有条件的选择。因此,对于无随机性我们是无法通过统计概率和编程来实现的。这里也介绍3种方法。

1.简单采样(convenience sampling)

简单采样,其实就是研究人员只选择最容易参与和最有机会参与研究的个体。比如下面的图中,蓝点是研究人员,橙色点则是蓝色点附近最容易接近的人群。

Python实现8种常用抽样方法

2.自愿抽样(Voluntary Sampling)

自愿抽样下,感兴趣的人通常通过填写某种调查表格形式自行参与的。所以,这种情况中,调查的研究人员是没有权利选择任何个体的,全凭群体的自愿报名。比如下图中蓝点是研究人员,橙色的是自愿同意参与研究的个体。

Python实现8种常用抽样方法

3.雪球抽样(Snowball Sampling)

雪球抽样是说,最终集合是通过其他参与者选择的,即研究人员要求其他已知联系人寻找愿意参与研究的人。比如下图中蓝点是研究人员,橙色的是已知联系人,黄色是是橙色点周围的其它联系人。

Python实现8种常用抽样方法

总结

以上就是8种常用抽样方法,平时工作中比较常用的还是概率类抽样方法,因为没有随机性我们是无法通过统计学和编程完成自动化操作的。

比如在信贷的风控样本设计时,就需要从样本窗口通过概率进行抽样。因为采样的质量基本就决定了你模型的上限了,所以在抽样时会考虑很多问题,如样本数量、是否有显著性、样本穿越等等。在这时,一个良好的抽样方法是至关重要的。

以上就是本次分享,原创不易,欢迎点赞、留言、分享,支持我继续写下去。

参考:

[2] https://towardsdatascience.com/8-types-of-sampling-techniques-b21adcdd2124

到此这篇关于Python实现8种常用抽样方法的文章就介绍到这了,更多相关Python 抽样方法内容请搜索三水点靠木以前的文章或继续浏览下面的相关文章希望大家以后多多支持三水点靠木!

Python 相关文章推荐
Python实现在线程里运行scrapy的方法
Apr 07 Python
scrapy自定义pipeline类实现将采集数据保存到mongodb的方法
Apr 16 Python
详解Python的Django框架中的Cookie相关处理
Jul 22 Python
Python实现的简单模板引擎功能示例
Sep 02 Python
Python打包方法Pyinstaller的使用
Oct 09 Python
python实现矩阵打印
Mar 02 Python
python版百度语音识别功能
Jul 09 Python
python实现字符串完美拆分split()的方法
Jul 16 Python
vscode写python时的代码错误提醒和自动格式化的方法
May 07 Python
python3.8.1+selenium实现登录滑块验证功能
May 22 Python
ROS系统将python包编译为可执行文件的简单步骤
Jul 25 Python
python自动获取微信公众号最新文章的实现代码
Jul 15 Python
Python基于百度API识别并提取图片中文字
Python基于百度AI实现抓取表情包
Python道路车道线检测的实现
浅析Django接口版本控制
浅析Python实现DFA算法
解析目标检测之IoU
pycharm代码删除恢复的方法
You might like
解析PHP自带的进位制之间的转换函数
2013/06/08 PHP
php错误级别的设置方法
2013/06/17 PHP
使用淘宝IP库获取用户ip地理位置
2013/10/27 PHP
ThinkPHP模板比较标签用法详解
2014/06/30 PHP
linux中cd命令使用详解
2015/01/08 PHP
在WordPress中安装使用视频播放器插件Hana Flv Player
2016/01/04 PHP
PHP ADODB生成下拉列表框功能示例
2018/05/29 PHP
关于PHP求解三数之和问题详析
2020/11/09 PHP
JQuery动态给table添加、删除行 改进版
2011/01/19 Javascript
基于jquery的blockui插件显示弹出层
2011/04/14 Javascript
jQuery操作 input type=checkbox的实现代码
2012/06/14 Javascript
JS和JQ的event对象区别分析
2014/11/24 Javascript
JavaScript学习笔记之取数组中最大值和最小值
2016/03/23 Javascript
前端框架学习总结之Angular、React与Vue的比较详解
2017/03/14 Javascript
jquery实现提示语淡入效果
2017/05/05 jQuery
微信小程序实现action-sheet弹出底部菜单功能【附源码下载】
2017/12/09 Javascript
微信小程序实现点击文字页面跳转功能【附源码下载】
2017/12/12 Javascript
node.js文件上传重命名以及移动位置的示例代码
2018/01/19 Javascript
vuejs选中当前样式active的实例
2018/08/22 Javascript
vue单页面实现当前页面刷新或跳转时提示保存
2018/11/02 Javascript
在NPM发布自己造的轮子的方法步骤
2019/03/09 Javascript
详解JS实现简单的时分秒倒计时代码
2019/04/25 Javascript
vue.js实现三级菜单效果
2019/10/19 Javascript
使用Vue+Django+Ant Design做一个留言评论模块的示例代码
2020/06/01 Javascript
javascript解析json格式的数据方法详解
2020/08/07 Javascript
在Django的上下文中设置变量的方法
2015/07/20 Python
Python编程实现生成特定范围内不重复多个随机数的2种方法
2017/04/14 Python
Python基于回溯法子集树模板解决选排问题示例
2017/09/07 Python
浅谈关于Python3中venv虚拟环境
2018/08/01 Python
Backcountry旗下的户外商品闪购网站:steep&cheap
2016/09/22 全球购物
乐天旅游台湾网站:Rakuten Travel TW
2017/06/01 全球购物
伊芙丽官方旗舰店:中国淑女一线品牌
2017/12/01 全球购物
船舶工程技术专业求职信
2014/08/07 职场文书
新闻专业毕业生求职信
2014/08/08 职场文书
导游词之河北白洋淀
2020/01/15 职场文书
Javascript webpack动态import
2022/04/19 Javascript