python 无放回分层抽样

无放回分层抽样是指在进行样本抽取时，按照不同的分层标准将样本划分为不同的层，然后从每个层中抽取样本，且每个样本只能被抽取一次，不放回。在Python中，可以使用scikit-learn库的StratifiedShuffleSplit类来实现无放回分层抽样。

以下是使用StratifiedShuffleSplit类实现无放回分层抽样的代码示例：

from sklearn.model_selection import StratifiedShuffleSplit

# 假设X和y是你的特征和标签数据
# n_splits为抽样次数，test_size为测试集比例
sss = StratifiedShuffleSplit(n_splits=1, test_size=0.2, random_state=0)

for train_index, test_index in sss.split(X, y):
    X_train, X_test = X[train_index], X[test_index]
    y_train, y_test = y[train_index], y[test_index]

相关问题

1.在素材数据文件 car_profiles. csv 中，共有 40 个关于汽车配置的样本，包括类型、气缸涡轮式、燃料、排气量、压缩率、功率、换档、车重、里程几项特征。试编写程序，完成以下几 项数据抽样:(1) 随机抽样。无放回，抽取出 30% 的样本量，并将抽样结果保存到新建的 Excel 文件中文件名为 samples.xlsx，数据表标签为“随机抽样”。 (2) 系统抽样。抽取 8 个本，并将结果保存到结果文件中标签为“系统抽样”的表中。 (3) 分层抽样。以车重属性分层，抽取属性值为“中”的样本9个，为“轻”的样本3个为“重”的样本 2个，共 14 个样本，并将结果保存到结果文件中标签为“分层抽样”的表中。(4) 整群抽样。随机抽取里程属性取值为“高”“中”“低”中的2 组样本，并将结果保存到结果文件中标签为“整群抽样”的表中。

抽样代码如下所示（注：需要 pandas 和 openpyxl 库）：

import pandas as pd
import random
from math import ceil
from openpyxl import Workbook

# 读取原始数据文件
df = pd.read_csv('car_profiles.csv')

# 随机抽样
random_sample = df.sample(frac=0.3, replace=False, random_state=2022)  # 无放回抽样，抽取30%
random_sample.to_excel('samples.xlsx', sheet_name='随机抽样', index=False)

# 系统抽样
k = ceil(len(df) / 8)  # 每 k 个样本抽取一个
systematic_sample = df.iloc[::k, :]
systematic_sample.to_excel('samples.xlsx', sheet_name='系统抽样', index=False)

# 分层抽样
stratified_sample = pd.concat([df[df['车重'] == '中'].sample(9),
                               df[df['车重'] == '轻'].sample(3),
                               df[df['车重'] == '重'].sample(2)])
stratified_sample.to_excel('samples.xlsx', sheet_name='分层抽样', index=False)

# 整群抽样
group1 = df[df['里程'] == '高'].sample(2)
group2 = df[df['里程'] == '中'].sample(2)
group3 = df[df['里程'] == '低'].sample(2)
cluster_sample = pd.concat([group1, group2, group3])
cluster_sample.to_excel('samples.xlsx', sheet_name='整群抽样', index=False)

以上代码中，`df` 是读取的原始数据文件，`random_sample`、`systematic_sample`、`stratified_sample` 和 `cluster_sample` 分别是四种抽样方法得到的样本集，最终结果保存到名为 `samples.xlsx` 的 Excel 文件中。

1．在素材数据文件 car _ profiles . csv 中，共有40个关于汽车配置的样本，包括类型、气缸、 涡轮式、燃料、排气量、压缩率、功率、换档、车重、里程几项特征。试编写程序，完成以下几项数据抽样： (1）随机抽样。无放回，抽取出30％的样本量，并将抽样结果保存到新建的 Excel 文件中，文件名为 samples . xlsx ，数据表标签为"随机抽样"。(2）系统抽样。抽取8个样本，并将结果保存到结果文件中标签为"系统抽样"的表中。 (3）分层抽样。以车重属性分层，抽取属性值为"中"的样本9个，为"轻"的样本3个，为"重"的样本2个，共14个样本，并将结果保存到结果文件中标签为"分层抽样"的表中。 (4）整群抽样。随机抽取里程属性取值为"高""中""低"中的2组样本，并将结果保存到结果文件中标签为"整群抽样"的表中。

以下是Python代码实现：

import pandas as pd
import numpy as np
import random

# 读取数据
data = pd.read_csv('car_profiles.csv')

# 随机抽样
random_sample = data.sample(frac=0.3, replace=False)
random_sample.to_excel('samples.xlsx', sheet_name='随机抽样')

# 系统抽样
n = 40
k = 8
systematic_sample = data.iloc[np.arange(0, n, n//k)]
systematic_sample.to_excel('samples.xlsx', sheet_name='系统抽样')

# 分层抽样
strata = data.groupby('车重')
strata_sample = pd.DataFrame()
for group_name, group_data in strata:
    if group_name == '中':
        stratum_sample = group_data.sample(n=9, replace=False)
    elif group_name == '轻':
        stratum_sample = group_data.sample(n=3, replace=False)
    elif group_name == '重':
        stratum_sample = group_data.sample(n=2, replace=False)
    strata_sample = strata_sample.append(stratum_sample)
strata_sample.to_excel('samples.xlsx', sheet_name='分层抽样')

# 整群抽样
cluster1 = data[data['里程'] == '高']
cluster2 = data[data['里程'] == '中']
cluster3 = data[data['里程'] == '低']
clusters = [cluster1, cluster2, cluster3]
cluster_sample = random.sample(clusters, 2)
cluster_sample = pd.concat(cluster_sample)
cluster_sample.to_excel('samples.xlsx', sheet_name='整群抽样')

以上代码实现了四种抽样方法：随机抽样、系统抽样、分层抽样和整群抽样，并将结果保存到名为“samples.xlsx”的Excel文件中的不同工作表中。