Aselecte steekproef en systematische steekproef

Steekproeven in Python

James Chapman

Curriculum Manager, DataCamp

Aselecte steekproef

Een hand die een gevouwen briefje uit een loterijpot pakt.

Loterijballen die rollen.

Aselecte steekproef van koffies

Koffiebonen gerangschikt in rijen en kolommen.

Koffiebonen gerangschikt in rijen en kolommen, waarvan sommige grijs zijn gemaakt.

Aselecte steekproef met pandas

coffee_ratings.sample(n=5, random_state=19000113)

     total_cup_points         variety country_of_origin  aroma  flavor  \
437             83.25            None          Colombia   7.92    7.75   
285             83.83  Yellow Bourbon            Brazil   7.92    7.50   
784             82.08            None          Colombia   7.50    7.42   
648             82.58         Caturra          Colombia   7.58    7.50   
155             84.58         Caturra          Colombia   7.42    7.67  

     aftertaste  body  balance  
437        7.25  7.83     7.58  
285        7.33  8.17     7.50  
784        7.42  7.67     7.42  
648        7.42  7.67     7.42  
155        7.75  8.08     7.83

Systematische steekproef

Koffiebonen gerangschikt in rijen en kolommen.

Koffiebonen gerangschikt in rijen en kolommen, waarvan de meeste grijs zijn behalve die op een diagonale lijn.

Systematische steekproef - interval bepalen

sample_size = 5

pop_size = len(coffee_ratings)

print(pop_size)

interval = pop_size // sample_size

print(interval)

Systematische steekproef - rijen selecteren

coffee_ratings.iloc[::interval]

      total_cup_points  variety country_of_origin  aroma  flavor  aftertaste  \
0                90.58     None          Ethiopia   8.67    8.83        8.67   
267              83.92     None          Colombia   7.83    7.75        7.58   
534              82.92  Bourbon       El Salvador   7.50    7.50        7.75   
801              82.00   Typica            Taiwan   7.33    7.50        7.17   
1068             80.50    Other            Taiwan   7.17    7.17        7.17   

      body  balance  
0     8.50     8.42  
267   7.75     7.75  
534   7.92     7.83  
801   7.50     7.33  
1068  7.17     7.25

Het probleem met systematische steekproeven

coffee_ratings_with_id = coffee_ratings.reset_index()
coffee_ratings_with_id.plot(x="index", y="aftertaste", kind="scatter")
plt.show()

Spreidingsdiagram van nasmaakscores versus indexen.

Systematisch steken is alleen veilig als er geen patroon in deze scatterplot zit

Systematische steekproeven veilig maken

shuffled = coffee_ratings.sample(frac=1)

shuffled = shuffled.reset_index(drop=True).reset_index()

shuffled.plot(x="index", y="aftertaste", kind="scatter")
plt.show()

Spreidingsdiagram van nasmaakscores versus indexen na het schudden van de dataset.

Rijen schudden + systematische steekproef = aselecte steekproef

Laten we oefenen!

Steekproeven in Python