python - numpy.random.choice 如何与替换一起使用？

Question

任务是随机选择 1000 个客户。在数据集中，行数和唯一 ID 相同。

我随机选择，然后尝试选择具有所选 ID 的数据集:

from numpy.random import choice
ids = choice(df.id, 1000)

df[df.id.isin(ids)]

结果完全不同:df[df.id.isin(ids)] 的大小等于 917。为什么没有 1000 行？

Answer 1

默认为np.random.choice()是通过替换进行采样，replace=True。

鉴于样本大小为 1000，生成的样本中很可能会有一些重复。

例如

>>> import pandas as pd                                                                                                                                      
>>> import numpy as np                                                                                                                                       
>>> np.random.seed(444)                                                                                                                                      
>>> s = pd.Series(list(range(1000)))                                                                                                                         
>>> ids = np.random.choice(s, 1000)                                                                                                                          
>>> s[s.isin(ids)].count()                                                                                                                                   
623
>>> ids_no_rep = np.random.choice(s, 1000, replace=False)                                                                                                    
>>> s[s.isin(ids_no_rep)].count()                                                                                                                            
1000

如果您想要做的是就地打乱该列的值，您可以为此调用 np.random.shuffle(df["col"].values)专栏。