scipy.stats实现基于概率的抽样

`scipy.stats`模块提供了一些高级的统计函数，其中包括一些用于进行概率抽样的工具。其中最常用的是`rvs`（Random Variate Sampling）函数，它可以根据各种内置的概率分布生成随机样本。下面是一些示例：

1. **均匀分布**：对于简单的均匀分布，可以直接使用`np.random.uniform`，但如果想要更通用的方式，可以使用`scipy.stats.uniform.rvs`：

from scipy.stats import uniform
uniform_sample = uniform.rvs(loc=0, scale=1, size=n_samples, random_state=seed)

2. **正态分布（高斯分布）**：`scipy.stats.norm`对应于标准正态分布，`scipy.stats.norm.rvs`能生成指定均值和方差的随机数：

from scipy.stats import norm
normal_sample = norm.rvs(mean, std_dev, size=n_samples, random_state=seed)

3. **泊松分布**：`scipy.stats.poisson`可用于生成泊松分布的随机样本：

from scipy.stats import poisson
poisson_lambda = 5  # 指定参数λ
poisson_sample = poisson.rvs(poisson_lambda, size=n_samples, random_state=seed)

4. **分层抽样**：如果数据包含分类变量，你可以先对数据进行分组，然后在每个组内应用上述随机数生成方法：

groups = data.groupby('category')
samples_in_each_group = groups.apply(lambda group: group[...].sample(n=per_category, replace=True, random_state=seed))

注意在使用这些函数时，`size`参数指定了生成的随机样本的数量，`random_state`用于保证每次运行结果的一致性。