主页 / coding / 问题 / 79233300
Accepted
Galedon
Asked: 2024-11-28 17:39:37 +0800 CST

从数据框生成多个不连续的样本

  • 772

我正在对一个非常大的数据框进行统计，该数据框取多个随机样本的总和。我希望样本是分离的（两个不同的样本中不应该存在任何数字）。

可能多次使用某些数字的最小示例：

import polars as pl
import numpy as np

df = pl.DataFrame(
    {"a": np.random.random(1000)}
    )

N_samples = 50
N_logs = 20
sums = [
        df.sample(N_logs).select(pl.col("a").sum()).item()
        for _ in range(N_samples)
        ]

如何避免多次使用相同的号码？

python

1 个回答

  1. Best Answer

    您可以使用（默认设置）一次性对它们全部进行采样，with_replacement = False然后汇总为N_samples总和：

    (
    df
    .sample(N_samples * N_logs)
    .group_by(pl.int_range(pl.len()) // N_logs)
    .sum()
    .get_column("a")
)

    shape: (50,)
Series: 'a' [f64]
[
    9.993712
    10.667377
    9.983055
    7.092786
    10.780031
    …
    9.384218
    8.57084
    10.085927
    12.77378
    10.23612
]
    • 1

相关问题