如何从 Python 中的数据集中获取第二个样本而不从第一个样本中获取重复？答案

【问题标题】：How I do I get a second sample from a dataset in Python without getting duplication from a first sample?如何从 Python 中的数据集中获取第二个样本而不从第一个样本中获取重复？
【发布时间】：2022-01-02 18:12:03
【问题描述】：

我有一个 python 数据集，我设法从中提取样本并放入第二个数据集中。之后，我将需要从原始数据集中生成另一个样本，但我不希望第一个样本再次出现。理想情况下，这需要任何标志只存在一年，以便在该时间过去后再次对其进行采样。

【问题讨论】：

这能回答你的问题吗？ How to incrementally sample without replacement?
我不明白“理想情况下这需要任何标志只存在一年”这句话。
对不起，我不清楚。我将每隔几个月从数据集中抽取一次样本，如果样本行是在过去 12 个月内采集的，我不希望重复。在该时间段之后，可以再次选择该行。
请说明您当前如何从数据集中抽取样本。我不太明白数据集在您的场景中是如何表示和存储的。
请提供足够的代码，以便其他人更好地理解或重现问题。

标签： python random dataset

【解决方案1】：

用 A 表示您的原始数据集。您生成 A 的一个子集，用 B1 表示它。然后，您可以从 A_leftover = A \ B1 创建 B2，其中 \ 表示集合差异。然后，您可以从 A_leftover 生成 B3、B4、... B12，其中 Bi 是从 A_leftover = B(i-1) 生成的。

如果你想在下一年放回 B1，A_leftover = A_leftover \ B12 U B1，你可以由此生成 B13 的子集（或者你可以将它表示为 B1 为 13%12 = 1）。所以在 12 之后，你可以说你可以从 A_leftover = A_leftover \ B(i-1) U B(i-11) 生成 Bi。或者你可以从一开始就使用这个公式，为 [0,1,2,...,10] 中的每个 i 定义 B(-i) = empty set。

【讨论】：