python中带有替换的分层样本答案

【问题标题】：stratified sample with replacement in pythonpython中带有替换的分层样本
【发布时间】：2019-03-11 11:11:20
【问题描述】：

我有一只熊猫DataFrame。我正在尝试创建一个带有替换的样本DataFrame 并对其进行分层。

这让我可以替换：

df_test = df.sample(n=100, replace=True, random_state=42, axis=0)

但是，我不确定如何分层。我可以使用weights 参数吗？如果可以，如何使用？我要分层的列是字符串。

这让我可以分层：

from sklearn.model_selection import train_test_split

X_train, X_test, y_train, y_test = train_test_split(
    X, Y, test_size=.50, stratify=Y, random_state=42)

但是，没有替换选项。

我怎样才能同时分层和替换？

【问题讨论】：

你想用什么替换？

标签： python random sample sklearn-pandas

【解决方案1】：

这是一个有点老的问题，但由于谷歌首先在我寻找同样的东西时返回了这个问题，所以我认为把这个留在这里对每个人都很有用，包括我未来的自己。

显然sklearn 在sklearn.utils.resample 中提供了此功能：

from sklearn import datasets
from sklearn.utils import resample

X, y = datasets.load_iris(return_X_y=True)
X_new, y_new = resample(X, y, stratify=y)

您可以使用n_samples 参数控制样本数量。默认情况下，它设置为None，因此您可以返回X.shape[0] 替换随机样本（因为这是为引导目的而设计的）。希望这对某人有所帮助。

【讨论】：

请注意，stratify 选项仅在 sklearn v0.21 中引入

【解决方案2】：

据我所知，sklearn 中的默认 StratifiedShuffleSplit 将运行替换，即非互斥策略。希望我理解正确。

import numpy as np
from sklearn.model_selection import StratifiedShuffleSplit
X = np.array([[1, 2], [3, 4], [1, 2], [3, 4], [1, 2], [3, 4]])
y = np.array([0, 0, 0, 1, 1, 1])
sss = StratifiedShuffleSplit(n_splits=5, test_size=0.5, random_state=0)
sss.get_n_splits(X, y)

print(sss)       

for train_index, test_index in sss.split(X, y):
   print("TRAIN:", train_index, "TEST:", test_index)
   X_train, X_test = X[train_index], X[test_index]
   y_train, y_test = y[train_index], y[test_index]

产量：

TRAIN: [5 2 3] TEST: [4 1 0]
TRAIN: [5 1 4] TEST: [0 2 3]
TRAIN: [5 0 2] TEST: [4 3 1]
TRAIN: [4 1 0] TEST: [2 3 5]
TRAIN: [0 5 1] TEST: [3 4 2]

【讨论】：