分层采样Python

分层抽样（Stratified Sampling）是一种概率抽样方法，在Python中通常用于保证样本集合在各个层次或类别中的代表性。它将总体分成几个同质的部分，即“层”，然后从每个层独立地抽取一定比例的样本。这样做可以确保样本中每个层的比例与整体中的比例一致。

在Python中，处理分层抽样的库如`pandas`、`numpy`、`scikit-learn`等都提供了一些功能。例如，`sklearn.model_selection.StratifiedShuffleSplit`可以帮助我们对数据进行分层划分，并进行交叉验证。下面是一个简单的例子：

import pandas as pd
from sklearn.model_selection import StratifiedShuffleSplit

# 假设df是含有分类变量class_column的数据框
data = pd.read_csv('your_data.csv')
splitter = StratifiedShuffleSplit(n_splits=1, test_size=0.2, random_state=42)
for train_index, test_index in splitter.split(data, data['class_column']):
    strat_train_set = data.loc[train_index]
    strat_test_set = data.loc[test_index]

strat_train_set, strat_test_set

在这个例子中，`n_splits`表示分割次数，`test_size`指测试集占总样本的比例，`random_state`用于保持随机过程的可重复性。