uniform sampling代码

均匀采样（Uniform Sampling）是从数据集中按照均匀分布随机选取样本的一种采样方法。下面是一个均匀采样的代码实现示例：

import numpy as np

def uniform_sampling(data, num_samples):
    """
    均匀采样函数
    
    参数：
    data: 输入数据集，可以是列表、数组等
    num_samples: 需要采样的样本数量
    
    返回值：
    采样后的数据集
    """
    num_data = len(data)
    
    # 确保采样数量不超过数据集大小
    num_samples = min(num_samples, num_data)
    
    # 生成随机索引
    random_indices = np.random.choice(range(num_data), size=num_samples, replace=False)
    
    # 根据随机索引进行采样
    sampled_data = [data[i] for i in random_indices]
    
    return sampled_data

使用上述的 `uniform_sampling` 函数，你可以将输入的数据集和需要采样的样本数量传递给函数，并获得采样后的数据集。下面是一个示例：

# 假设有一个数据集
data = [1, 2, 3, 4, 5, 6, 7, 8, 9, 10]

# 进行均匀采样，选择5个样本
sampled_data = uniform_sampling(data, num_samples=5)

print("Sampled data:", sampled_data)

在上面的示例中，将从数据集 `[1, 2, 3, 4, 5, 6, 7, 8, 9, 10]` 中均匀随机选择5个样本进行采样。

请注意，上述代码示例中使用了 NumPy 库的 `np.random.choice` 函数来生成随机索引进行采样。如果你的数据集是多维数组或其他特殊类型的数据，请根据具体情况进行修改。

希望这个示例能对你有所帮助！如果还有其他问题，请随时提问。