从 Pandas DataFrame 中随机选择列

在处理数据时，我们常常需要从一个 DataFrame 中选取部分数据，而其中一种情况是需要随机选择其中的列。本文将介绍如何使用 Python 的 Pandas 库中的 sample 函数随机选择 DataFrame 中的列。

语法

sample 函数的语法如下所示：

DataFrame.sample(n=None, frac=None, axis=None, random_state=None)

其中：

• n：要选取的行数或列数，如果不指定，则默认为 1。
• frac：要选取的行数或列数所占总数的比例，如果不指定，则默认为 None。
• axis：要选取的维度，0 表示选取行，1 表示选取列，如果不指定，则默认为 0。
• random_state：用于控制随机种子的参数，确保在多次执行代码时输出结果的一致性。如果不指定，则每次执行程序时随机数都会不同。

示例

我们首先来创建一个简单的 DataFrame：

import pandas as pd
import numpy as np

df = pd.DataFrame({'A': [1, 2, 3], 'B': [4, 5, 6], 'C': [7, 8, 9]})

现在，我们来随机选择其中的一列。我们可以使用如下的代码：

rand_col = df.sample(n=1, axis=1)
print(rand_col)

输出结果为：

   B
0  4
1  5
2  6

在这里，我们使用了 sample 函数，并且指定了要选取的列数为 1。由于我们想要选取列而不是行，所以我们还需要指定参数 axis=1。

如果我们想要选择多列，可以将参数 n 的值设置为所需的列数。例如，如果我们想要选择两列，可以将代码修改为：

rand_cols = df.sample(n=2, axis=1)
print(rand_cols)

输出结果为：

   C  B
0  7  4
1  8  5
2  9  6

在这里，我们选择了两列，其中包括了列名为 B 和 C 的两列数据。

如果不想手动指定要选取的列数，可以使用 frac 参数，它可以指定要选取的列数所占总列数的比例。例如，要选择一半的列，可以将参数设置为 frac=0.5：

rand_cols = df.sample(frac=0.5, axis=1)
print(rand_cols)

输出结果为：

   B  C
0  4  7
1  5  8
2  6  9

在这里，我们让 frac=0.5，这意味着我们需要随机选取一半的列。

最后，我们再来看一下如何控制随机种子，以确保随机数的一致性。我们可以在函数的参数中指定一个整数作为随机种子，例如：

rand_cols = df.sample(n=2, axis=1, random_state=42)
print(rand_cols)

输出结果为：

   B  A
0  4  1
1  5  2
2  6  3

在这里，我们将随机种子设置为 42，这样每次执行程序时随机选择的列都将是相同的。

总结

使用 Pandas DataFrame 中的 sample 函数，在数据处理时可以帮助我们轻松地随机选择行或列。在实际的工作中，我们可以根据具体需求，灵活地运用该函数，从而更好地进行数据分析和处理。