[Pandas] sample
Pandas sample, DataFrame.sample, random sampling
정의
DataFrame.sample(n=, frac=) 는 행/열을 랜덤 샘플링. 빠른 탐색, train/test split, 데이터 검증에 자주 사용.
기본
df.sample(n=5) # 5 개 무작위
df.sample(frac=0.1) # 10% 무작위
df.sample(n=5, random_state=42) # 재현 가능 (시드)주요 옵션
| 옵션 | 의미 |
|---|---|
n | 샘플 개수 |
frac | 비율 (0-1) |
replace | 복원 추출 (기본 False) |
weights | 가중치 컬럼 / Series |
random_state | 시드 |
axis | 0 (행) / 1 (열) |
복원 추출 (bootstrap)
df.sample(n=len(df), replace=True, random_state=42)
# bootstrap 한 번가중 샘플링
# 가중치 컬럼 기반
df.sample(n=100, weights='priority')
# 명시적 weights
weights = df['vip'].map({True: 5, False: 1})
df.sample(n=100, weights=weights)VIP 가 5 배 자주 샘플링.
train / test split
# 80/20 split
train = df.sample(frac=0.8, random_state=42)
test = df.drop(train.index)sklearn.model_selection.train_test_split 가 더 명시적이지만 빠르게 할 때 pandas 만으로 가능.
groupby + sample (stratified sampling)
# 각 클래스에서 100 개씩
df.groupby('class').sample(n=100, random_state=42)
# 각 클래스에서 10% 씩
df.groupby('class').sample(frac=0.1, random_state=42)ignore_index
df.sample(n=10, ignore_index=True) # index 0, 1, ..., 9 로 재배치자주 쓰는 패턴
EDA 빠르게
df.sample(20) # 20 행만 보면서 데이터 형태 확인Imbalanced data 다운샘플
majority = df[df['class'] == 0].sample(n=len(df[df['class'] == 1]), random_state=42)
minority = df[df['class'] == 1]
balanced = pd.concat([majority, minority]).sample(frac=1) # 섞기Bootstrap 통계
samples = [df.sample(frac=1, replace=True)['x'].mean() for _ in range(1000)]
np.percentile(samples, [2.5, 97.5]) # 95% CInumpy 와의 비교
import numpy as np
np.random.choice(df.index, size=100, replace=False) # index 만
df.sample(n=100) # DataFramepandas API 가 더 자연스러움.
함정
1. random_state 빠뜨림
df.sample(n=5) # 매 실행마다 다른 결과
df.sample(n=5, random_state=42) # 같은 결과 (재현)테스트, ML 실험에는 시드 필수.
2. frac > 1 + replace=False
df.sample(frac=2) # ❌ ValueError (행 수보다 큼)
df.sample(frac=2, replace=True) # ✓ 복원 추출이면 가능3. groupby + sample 의 random_state
df.groupby('class').sample(n=10, random_state=42)
# 각 그룹의 시드는 다를 수 있음 (pandas 버전 의존)
💬 댓글