Pandas 抽样与随机数据

import pandas as pd
import numpy as np

# 创建大数据集
df = pd.DataFrame({
    "ID": range(1, 1001),
    "值": np.random.randn(1000)
})

# 随机抽取5行
print("随机抽取5行：")
print(df.sample(5))
print()

# 抽取30%的数据
print("随机抽取30%：")
print(df.sample(frac=0.3))
print()

# 可重复抽样
print("可重复抽样5行：")
print(df.sample(5, replace=True))

import pandas as pd
import numpy as np

# 设置随机种子，保证结果可复现
np.random.seed(42)

df = pd.DataFrame({
    "ID": range(1, 11),
    "值": np.random.randn(10)
})

print("使用随机种子42：")
print(df.sample(3))

# 再次运行相同种子，得到相同结果
print("\n再次运行相同种子：")
np.random.seed(42)
print(df.sample(3))

import pandas as pd
import numpy as np

# 生成随机整数
print("随机整数 [0, 10)：")
print(pd.Series(np.random.randint(0, 10, 5)))
print()

# 生成随机浮点数
print("随机浮点数 [0, 1)：")
print(pd.Series(np.random.random(5)))
print()

# 生成正态分布随机数
print("正态分布 N(0, 1)：")
print(pd.Series(np.random.randn(5)))
print()

# 指定均值和标准差
print("正态分布 N(10, 2)：")
print(pd.Series(np.random.normal(10, 2, 5)))
print()

# 随机选择
choices = ["A", "B", "C", "D"]
print("随机选择：")
print(pd.Series(np.random.choice(choices, 10)))

import pandas as pd
import numpy as np

# 模拟数据集
df = pd.DataFrame({
    "特征1": np.random.randn(100),
    "特征2": np.random.randn(100),
    "目标": np.random.choice([0, 1], 100)
})

# 划分训练集和测试集 (80% / 20%)
train = df.sample(frac=0.8, random_state=42)
test = df.drop(train.index)

print(f"训练集: {len(train)} 行")
print(f"测试集: {len(test)} 行")
print()

# 分层抽样（保持目标变量比例）
print("分层抽样：")
from sklearn.model_selection import train_test_split
# 需要安装 scikit-learn: pip install scikit-learn
# train, test = train_test_split(df, test_size=0.2, stratify=df["目标"])