如何用Python进行抽样？

用Python进行抽样的步骤：

第1部分：导入需要的库

importrandom#导入标准库
importnumpyasnp#导入第三方库

这里用到了Python内置标准库random以及第三方库Numpy，前者用于做随机抽样，后者用于读取文件并做数据切片使用。

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([iforiinrange(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sample库要求抽取的对象是一个序列或set，因此这里使用了一个列表推导式直接基于data数据集的记录数生成索引列表，

然后再返回给sample随机抽样，抽样数量为2000;最后从data中直接基于索引获得随机抽样后的结果。

打印输出前2条数据和总抽样样本量。返回结果如下：

[[-4.595013488.827416534.400965993.40332532-6.54589933]
[-7.23173404-8.926925196.828308733.03780054.64450399]]
2000

第3部分：传统方法

ind=[]
foriinrange(len(data)):
ind.append(i)

而这里的列表推导式的写法[i for i in range(len(data))]除了在语法上更加简洁和优雅外，在性能上同样会有提升。

我们通过如下实验做简单测试，对从0到1000000的每个数求平方然后添加到列表。两种方法如下：

#方法1：传统方法
importtime
t0=time.time()#开始时间
ind=[]
foriinrange(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
importtime
t0=time.time()#开始时间
sqr_values=[i*iforiinrange(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，