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

import random # 导入标准库 
import numpy as np # 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([i for i in range(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：

[[-4.59501348 8.82741653 4.40096599 3.40332532 -6.54589933] 
 [-7.23173404 -8.92692519 6.82830873 3.0378005 4.64450399]] 
2000

第3部分：传统方法

ind = [] 
for i in range(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 
import time 
t0=time.time() # 开始时间 
ind = [] 
for i in range(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 
import time 
t0=time.time() # 开始时间 
sqr_values = [i*i for i in range(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，

那么效率提升会非常明显。