ML之FE：数据随机抽样之利用pandas的sample函数对超大样本的数据集进行随机采样，并另存为csv文件

输出结果

name      object

ID        object

age       object

sex       object

hobbey    object

dtype: object

  name    ID  age   sex hobbey

0   Bob     1  NaN     男    打篮球

1  LiSa     2   28     女   打羽毛球

2  Mary         38     女   打乒乓球

3  Alan  None       None      

-----------------------------------------

输出数据形状： (3, 6)

导出数据成功！

    0     1    2    3    4     5

1  0.0   Bob    1  NaN    男   打篮球

3  2.0  Mary        38    女  打乒乓球

4  3.0  Alan  NaN  NaN  NaN   NaN

实现代码

import pandas as pd

import numpy as np

contents={"name": ['Bob',        'LiSa',                     'Mary',                       'Alan'],

         "ID":   [1,              2,                         ' ',                          None],    # 输出 NaN

         "age":  [np.nan,        28,                           38 ,                          '' ],    # 输出

#           "born": [pd.NaT,     pd.Timestamp("1990-01-01"),  pd.Timestamp("1980-01-01"),        ''],  # 输出 NaT

         "sex":  ['男',          '女',                        '女',                        None,],    # 输出 None

         "hobbey":['打篮球',     '打羽毛球',                   '打乒乓球',                    '',],    # 输出

         }

data_frame = pd.DataFrame(contents)

data_frame.to_excel("data_Frame.xls")

print(data_frame.dtypes)

print(data_frame)

print('-----------------------------------------')

data_frame_temp=data_frame.copy()

file_path_in='data_Frame.xls'

file_path_out='data_Frame_Sampling.xls'

# ML之FE：数据随机抽样之利用pandas的sample函数对超大样本的数据集进行随机采样，并另存为csv文件

import pandas as pd

data_all = pd.read_excel(file_path_in, header=None)         # 取消读取csv或txt时默认第一行为列名

data_all_Sampling=data_all.sample(n=3,random_state=123)   # 随机选取100行数据 n=100，或者随机选取20%的数据 frac=0.2

print("输出数据形状：",data_all_Sampling.shape)    

data_all_Sampling.to_csv(file_path_out)

print('导出数据成功！')

print(data_all_Sampling)