# 206、pandas.Series.reset_index方法

# 206-1、数据清理

# 原始销售数据:

# prod_1 150

# prod_2 200

# prod_3 100

# dtype: int64

#

# 重置索引后的销售数据:

# 0 150

# 1 200

# 2 100

# dtype: int64

# 206-2、合并数据

# 合并后的数据:

# product_id sales description

# 0 prod_1 150 Product 1

# 1 prod_2 200 Product 2

# 2 prod_3 100 Product 3

# 206-3、数据转换

# 原始时间序列数据:

# 2024-01-01 150

# 2024-01-02 200

# 2024-01-03 100

# Freq: D, dtype: int64

#

# 重置索引后的时间序列数据:

# date sales

# 0 2024-01-01 150

# 1 2024-01-02 200

# 2 2024-01-03 100

# 206-4、数据透视表

# 原始数据透视表:

# Sales

# Category Sub-Category

# A X 100.0

# Y 200.0

# B X 150.0

# Y 300.0

#

# 重置索引后的数据透视表:

# Category Sub-Category Sales

# 0 A X 100.0

# 1 A Y 200.0

# 2 B X 150.0

# 3 B Y 300.0

# 206-5、结果展示

# 原始分析结果数据:

# Accuracy 0.95

# Precision 0.92

# Recall 0.88

# dtype: float64

#

# 重置索引后的分析结果数据:

# Metric Value

# 0 Accuracy 0.95

# 1 Precision 0.92

# 2 Recall 0.88

207、pandas.Series.sample方法

207-1、语法

# 207、pandas.Series.sample方法

pandas.Series.sample(n=None, frac=None, replace=False, weights=None, random_state=None, axis=None, ignore_index=False)

Return a random sample of items from an axis of object.

You can use random_state for reproducibility.

Parameters:

nint, optional

Number of items from axis to return. Cannot be used with frac. Default = 1 if frac = None.

fracfloat, optional

Fraction of axis items to return. Cannot be used with n.

replacebool, default False

Allow or disallow sampling of the same row more than once.

weightsstr or ndarray-like, optional

Default ‘None’ results in equal probability weighting. If passed a Series, will align with target object on index. Index values in weights not found in sampled object will be ignored and index values in sampled object not in weights will be assigned weights of zero. If called on a DataFrame, will accept the name of a column when axis = 0. Unless weights are a Series, weights must be same length as axis being sampled. If weights do not sum to 1, they will be normalized to sum to 1. Missing values in the weights column will be treated as zero. Infinite values not allowed.

random_stateint, array-like, BitGenerator, np.random.RandomState, np.random.Generator, optional

If int, array-like, or BitGenerator, seed for random number generator. If np.random.RandomState or np.random.Generator, use as given.

Changed in version 1.4.0: np.random.Generator objects now accepted

axis{0 or ‘index’, 1 or ‘columns’, None}, default None

Axis to sample. Accepts axis number or name. Default is stat axis for given data type. For Series this parameter is unused and defaults to None.

ignore_indexbool, default False

If True, the resulting index will be labeled 0, 1, …, n - 1.

New in version 1.3.0.

Returns:

Series or DataFrame

A new object of same type as caller containing n items randomly sampled from the caller object.

207-2、参数

207-2-1、n(可选，默认值为None)：整数，表示要抽取的样本数量，n和frac参数不能同时指定。

207-2-2、frac(可选，默认值为None)：浮点数，表示要抽取的样本比例。例如，frac=0.5表示抽取50%的样本，n和frac参数不能同时指定。

207-2-3、replace(可选，默认值为False)：布尔值，是否在抽样时进行替换。如果replace=True，则允许重复抽取相同的样本。

207-2-4、weights(可选，默认值为None)：字符串或类数组，表示样本的权重。如果是字符串，则表示Series对象中的列名；如果是array-like，则应与Series的长度相同，权重影响抽样时每个样本被选中的概率。

207-2-5、random_state(可选，默认值为None)：整数，表示随机数生成器的种子，用于保证结果的可重复性。

207-2-6、axis(可选，默认值为None)：整数，对于Series对象，唯一有效值为0。

207-2-7、ignore_index(可选，默认值为False)：布尔值，是否忽略原始索引，返回的样本会重新生成索引。

207-3、功能

        用于从一个Series对象中随机抽取指定数量或者比例的样本，该方法非常适合数据分析过程中需要进行随机抽样的场景，例如对大数据集进行抽样以进行快速分析。

207-4、返回值

        返回一个Series对象，其中包含从原始Series中抽取的样本。

207-5、说明

        使用场景：

207-5-1、数据探索和预处理：在处理大规模数据集时，直接操作整个数据集可能会非常耗时，通过抽取一个小样本，可以快速进行数据探索、可视化和预处理。

207-5-2、模型训练和测试：在机器学习模型的开发过程中，通常需要将数据集分为训练集和测试集，使用sample方法可以随机抽取数据集的一部分作为训练集或测试集，确保模型评估的公平性。

207-5-3、数据平衡：当处理不平衡数据集时，可以通过有放回抽样(replace=True)来平衡数据。例如，在分类问题中，某些类别的数据可能明显少于其他类别，可以通过重复抽样少数类别的数据来平衡数据集。

207-5-4、数据验证和A/B测试：在业务分析中，常常需要进行数据验证和A/B测试，通过抽样的方法可以构建对照组和实验组，进行实验设计和效果评估。

207-5-5、大数据处理：在处理大数据集时，通过抽样可以减少计算量，加快数据处理速度。例如，计算统计特征、训练模型等。

207-5-6、数据可视化：为了确保可视化的效果和计算效率，可以对数据进行抽样，尤其是当数据量非常大时。

207-5-7、测试和调试：在编写和测试数据处理代码时，使用小样本可以快速验证代码逻辑和功能，避免在整个数据集上测试时的高时间成本。

207-6、用法

207-6-1、数据准备

无

207-6-2、代码示例

# 207、pandas.Series.sample方法

# 207-1、数据探索和预处理

import pandas as pd

# 创建一个大型Series

large_series = pd.Series(range(10000))

# 从Series中抽取10%的样本进行快速探索

sample = large_series.sample(frac=0.1)

# 打印样本数据

print(sample.head())

# 207-2、模型训练和测试

import pandas as pd

from sklearn.model_selection import train_test_split

# 创建一个 DataFrame

data = pd.DataFrame({

'feature': range(1000),

'target': [0]*500 + [1]*500

})

# 抽取80%的数据作为训练集，20%的数据作为测试集

train_sample = data.sample(frac=0.8, random_state=42)

test_sample = data.drop(train_sample.index)

# 打印训练集和测试集大小

print("训练集大小:", train_sample.shape)

print("测试集大小:", test_sample.shape)

# 207-3、数据平衡

import pandas as pd

# 创建不平衡数据集

majority_class_data = pd.DataFrame({'feature': range(900), 'target': 0})

minority_class_data = pd.DataFrame({'feature': range(100), 'target': 1})

# 对少数类别进行有放回抽样，使其数量与多数类别相同

minority_class_sample = minority_class_data.sample(n=len(majority_class_data), replace=True, random_state=42)

balanced_data = pd.concat([majority_class_data, minority_class_sample])

# 打印平衡后的数据集类别分布

print(balanced_data['target'].value_counts())

# 207-4、数据验证和A/B测试

import pandas as pd

# 创建用户数据

users = pd.DataFrame({'user_id': range(1000)})

# 抽取一部分用户进行A/B测试

control_group = users.sample(frac=0.5, random_state=42)

experiment_group = users.drop(control_group.index)

# 打印对照组和实验组大小

print("对照组大小:", control_group.shape)

print("实验组大小:", experiment_group.shape)

# 207-5、大数据处理

import pandas as pd

# 创建一个大型DataFrame

large_data = pd.DataFrame({

'feature1': range(100000),

'feature2': range(100000, 200000)

})

# 从数据集中抽取1%的样本进行特征工程

feature_sample = large_data.sample(frac=0.01, random_state=42)

# 打印样本数据大小

print("样本数据大小:", feature_sample.shape)

# 207-6、数据可视化

import pandas as pd

import matplotlib.pyplot as plt

# 创建一个DataFrame

data = pd.DataFrame({

'x': range(10000),

'y': range(10000, 20000)

})

# 抽取5%的数据用于绘制散点图

scatter_sample = data.sample(frac=0.05, random_state=42)

# 绘制散点图

plt.scatter(scatter_sample['x'], scatter_sample['y'])

plt.xlabel('X Axis')

plt.ylabel('Y Axis')

plt.title('Scatter Plot Sample')

plt.show()

# 207-7、测试和调试

import pandas as pd

# 创建一个DataFrame

data = pd.DataFrame({

'feature': range(1000),

'target': [0]*500 + [1]*500

})

# 抽取100个样本用于测试代码逻辑

test_sample = data.sample(n=100, random_state=42)

# 打印样本数据

print(test_sample.head())

207-6-3、结果输出

# 207、pandas.Series.sample方法

# 207-1、数据探索和预处理

# 类似于下列这种：

# 7341 7341

# 2988 2988

# 7346 7346

# 208 208

# 3074 3074

# dtype: int64

# 207-2、模型训练和测试

# 训练集大小: (800, 2)

# 测试集大小: (200, 2)

# 207-3、数据平衡

# target

# 0 900

# 1 900

# Name: count, dtype: int64

# 207-4、数据验证和A/B测试

# 对照组大小: (500, 1)

# 实验组大小: (500, 1)

# 207-5、大数据处理

# 样本数据大小: (1000, 2)

# 207-6、数据可视化

# 见图1

# 207-7、测试和调试

# feature target

# 521 521 1

# 737 737 1

# 740 740 1

# 660 660 1

# 411 411 0

图1：

208、pandas.Series.set_axis方法

208-1、语法