【基础】Python数据采样与抽样技术

# 2.1 随机采样

随机采样是一种从总体中随机选择样本元素的方法，确保每个元素被选中的概率相等。这种方法可以有效地代表总体，并为统计推断提供可靠的基础。

### 2.1.1 简单随机采样

简单随机采样是最基本的随机采样方法，它通过随机数生成器或随机抽签的方式从总体中选择样本元素。每个元素被选中的概率相等，因此样本可以很好地代表总体。

# 2. Python数据采样技术

### 2.1 随机采样

随机采样是一种从总体中随机选择样本的方法，它确保每个个体都有相同的机会被选中。随机采样可以分为以下三种类型：

#### 2.1.1 简单随机采样

简单随机采样是最基本的随机采样方法，它通过从总体中随机抽取个体来获得样本。这种方法的优点是简单易行，并且可以保证每个个体被选中的概率相等。

import random

def simple_random_sampling(population, sample_size):
    """
    执行简单随机采样。

    参数：
        population：总体数据
        sample_size：样本大小

    返回：
        样本数据
    """
    return random.sample(population, sample_size)

**代码逻辑分析：**

* `random.sample()` 函数从给定的总体中随机抽取指定数量的个体，并返回一个样本列表。

#### 2.1.2 分层随机采样

分层随机采样是一种分层抽样的方法，它将总体划分为不同的层，然后从每一层中随机抽取个体。这种方法可以确保样本在不同层中具有代表性。

import random

def stratified_random_sampling(population, sample_size, strata):
    """
    执行分层随机采样。

    参数：
        population：总体数据
        sample_size：样本大小
        strata：分层字段

    返回：
        样本数据
    """
    # 将总体划分为不同的层
    strata_data = {}
    for stratum in strata:
        strata_data[stratum] = [row for row in population if row[stratum] == stratum]

    # 从每一层中随机抽取个体
    sample = []
    for stratum in strata:
        sample += random.sample(strata_data[stratum], int(sample_size / len(strata)))

    return sample

**代码逻辑分析：**

* 该函数首先将总体划分为不同的层，并存储在 `strata_data` 字典中。
* 然后，它从每一层中随机抽取指定数量的个体，并将其添加到 `sample` 列表中。
* 最后，它返回样本列表。

#### 2.1.3 整群随机采样

整群随机采样是一种特殊的随机采样方法，它将总体划分为不同的群组，然后从这些群组中随机抽取整个群组。这种方法适用于总体中群组之间存在差异的情况。

import random

def cluster_random_sampling(population, sample_size, cluster_size):
    """
    执行整群随机采样。

    参数：
        population：总体数据
        sample_size：样本大小
        cluster_size：群组大小

    返回：
        样本数据
    """
    # 将总体划分为不同的群组
    clusters = [population[i:i + cluster_size] for i in range(0, len(population), cluster_size)]

    # 从群组中随机抽取群组
    sample_clusters = random.sample(clusters, sample_size)

    # 将选中的群组中的所有个体添加到样本中
    sam