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调用windows api锁定计算机示例
Apr 17 Python
Python编程中time模块的一些关键用法解析
Jan 19 Python
Python连接MySQL并使用fetchall()方法过滤特殊字符
Mar 13 Python
Centos Python2 升级到Python3的简单实现
Jun 21 Python
python中利用队列asyncio.Queue进行通讯详解
Sep 10 Python
Python实现PS图像调整颜色梯度效果示例
Jan 25 Python
pandas表连接 索引上的合并方法
Jun 08 Python
详解Python3的TFTP文件传输
Jun 26 Python
Pytorch Tensor的索引与切片例子
Aug 18 Python
Python中sorted()排序与字母大小写的问题
Jan 14 Python
Python 绘制可视化折线图
Jul 22 Python
使用python求斐波那契数列中第n个数的值示例代码
Jul 26 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
基于GD2图形库的PHP生成图片缩略图类代码分享
2015/02/08 PHP
微信 getAccessToken方法详解及实例
2016/11/23 PHP
理清PHP在Linxu下执行时的文件权限方法
2017/06/07 PHP
jquery怎样实现ajax联动框(二)
2013/03/08 Javascript
JavaScript对内存分配及管理机制详细解析
2013/11/11 Javascript
js中的时间转换—毫秒转换成日期时间的示例代码
2014/01/26 Javascript
javascript动态向网页中添加表格实现代码
2014/02/19 Javascript
js 判断js函数、变量是否存在的简单示例代码
2014/03/04 Javascript
Js实现网页键盘控制翻页的方法
2014/10/30 Javascript
了不起的node.js读书笔记之mongodb数据库交互
2014/12/22 Javascript
详细解读JavaScript的跨浏览器事件处理
2015/08/12 Javascript
jquery实现超简洁的TAB选项卡效果代码
2015/08/28 Javascript
学习javascript的闭包,原型,和匿名函数之旅
2015/10/18 Javascript
jQuery选择器用法实例详解
2015/12/17 Javascript
VUEJS实战之构建基础并渲染出列表(1)
2016/06/13 Javascript
第一篇初识bootstrap
2016/06/21 Javascript
jquery中封装函数传递当前元素的方法示例
2017/05/05 jQuery
JS查找数组中重复元素的方法详解
2017/06/14 Javascript
vue嵌套路由与404重定向实现方法分析
2018/05/04 Javascript
React 项目迁移 Webpack Babel7的实现
2018/09/12 Javascript
详解bootstrap-fileinput文件上传控件的亲身实践
2019/03/21 Javascript
为nuxt项目写一个面包屑cli工具实现自动生成页面与面包屑配置
2019/09/29 Javascript
[01:16]2014DOTA2 TI专访C9战队EE:中国五强中会占三席
2014/07/10 DOTA
Python struct.unpack
2008/09/06 Python
Python实现随机选择元素功能
2017/09/14 Python
利用Python在一个文件的头部插入数据的实例
2018/05/02 Python
django admin.py 外键,反向查询的实例
2019/07/26 Python
Python如何实现远程方法调用
2020/08/07 Python
HTML5 HTMLCollection和NodeList的区别详解
2020/04/29 HTML / CSS
幼儿园中班教学反思
2014/02/10 职场文书
五一促销活动总结
2014/07/01 职场文书
2014矛盾纠纷排查调处工作总结
2014/12/09 职场文书
2015年征兵工作总结
2015/07/23 职场文书
电台广播稿范文
2015/08/19 职场文书
Python多线程 Queue 模块常见用法
2021/07/04 Python
Python+Matplotlib图像上指定坐标的位置添加文本标签与注释
2022/04/11 Python