如何在 Python 中进行采样？

用Python进行抽样的步骤：

第1部分：导入需要的库

import random # 导入标准库 
import numpy as np # 导入第三方库

这里使用 Python 内置的标准库 random 和第三方库 Numpy。前者用于随机采样，后者用于读取文件和做数据切片。

第2部分：实现简单随机抽样

data = np.loadtxt('data3.txt') # 导入普通数据文件 
data_sample = data[random.sample([i for i in range(len(data))], 2000)] 
 # 随机抽取2000个样本 
print(data_sample[:2]) # 打印输出前2条数据 
print(len(data_sample)) # 打印输出抽样样本量

首先通过Numpy的loadtxt方法读取数据文件。

然后使用Random库中的sample方法做数据抽样。

由于样本库要求提取的对象是序列或集合，所以这里使用列表推导，直接根据数据集中的记录数生成索引列表。

然后返回样本进行随机抽样，抽样数量为2000；最后，根据指标直接从数据中得到随机抽样结果。

打印出前 2 条数据和总样本量。返回结果如下：

[[-4.59501348 8.82741653 4.40096599 3.40332532 -6.54589933] 
 [-7.23173404 -8.92692519 6.82830873 3.0378005 4.64450399]] 
2000

第3部分：传统方法

ind = [] 
for i in range(len(data)): 
 ind.append(i)

这里的列表推导[i for i in range(len(data))]不仅语法更加简洁优雅，而且性能也有所提升。

我们通过做以下实验来做一个简单的测试，对从 0 到 1,000,000 的每个数字进行平方并将其添加到列表中。两种方法如下：

# 方法1：传统方法 
import time 
t0=time.time() # 开始时间 
ind = [] 
for i in range(1000000): 
 sqr_values = i*i 
 ind.append(sqr_values) 
t1 = time.time() # 结束时间 
print(t1-t0) # 打印时间 
# 方法2：列表推导式 
import time 
t0=time.time() # 开始时间 
sqr_values = [i*i for i in range(1000000)] 
t1 = time.time() # 结束时间 
print(t1-t0) # 打印时间

上述代码执行后的输出结果分别是：

0.39202237129211426 
0.12700724601745605

上面只是简单的计算逻辑并且数据量也不大，

如果配合大数据量以及更复杂的运算，

那么效率提升会非常明显。