Klastrové vzorkování

Vzorkování v Pythonu

James Chapman

Curriculum Manager, DataCamp

Stratifikované vs. klastrové vzorkování

Stratifikované vzorkování

Rozdělte populaci do podskupin
Na každou podskupinu aplikujte jednoduché náhodné vzorkování

Klastrové vzorkování

Pomocí jednoduchého náhodného vzorkování vyberte podskupiny
Jednoduché náhodné vzorkování aplikujte pouze na vybrané podskupiny

Odrůdy kávy

Kávová zrna seřazená v řadách a sloupcích.

varieties_pop = list(coffee_ratings['variety'].unique())

[None, 'Other', 'Bourbon', 'Catimor', 
'Ethiopian Yirgacheffe','Caturra', 
'SL14', 'Sumatra', 'SL34', 'Hawaiian Kona',
'Yellow Bourbon', 'SL28', 'Gesha', 'Catuai',
'Pacamara', 'Typica', 'Sumatra Lintong',
'Mundo Novo', 'Java', 'Peaberry', 'Pacas',
'Mandheling', 'Ruiru 11', 'Arusha',
'Ethiopian Heirlooms', 'Moka Peaberry',
'Sulawesi', 'Blue Mountain', 'Marigojipe', 
'Pache Comun']

Fáze 1: výběr podskupin

Kávová zrna seřazená v řadách a sloupcích, přičemž všechna jsou šedá kromě tří.

import random
varieties_samp = random.sample(varieties_pop, k=3)

['Hawaiian Kona', 'Bourbon', 'SL28']

Fáze 2: vzorkování každé skupiny

variety_condition = coffee_ratings['variety'].isin(varieties_samp)
coffee_ratings_cluster = coffee_ratings[variety_condition]

coffee_ratings_cluster['variety'] = coffee_ratings_cluster['variety'].cat.remove_unused_categories()

coffee_ratings_cluster.groupby("variety")\
    .sample(n=5, random_state=2021)

Výstup 2. fáze

                    total_cup_points        variety       country_of_origin  ...
variety                                                                       
Bourbon       575              82.83        Bourbon               Guatemala   
              560              82.83        Bourbon               Guatemala   
              524              83.00        Bourbon               Guatemala   
              1140             79.83        Bourbon               Guatemala   
              318              83.67        Bourbon                  Brazil   
Hawaiian Kona 1291             73.67  Hawaiian Kona  United States (Hawaii)   
              1266             76.25  Hawaiian Kona  United States (Hawaii)   
              488              83.08  Hawaiian Kona  United States (Hawaii)   
              461              83.17  Hawaiian Kona  United States (Hawaii)   
              117              84.83  Hawaiian Kona  United States (Hawaii)   
SL28          137              84.67           SL28                   Kenya   
              452              83.17           SL28                   Kenya   
              224              84.17           SL28                   Kenya   
              66               85.50           SL28                   Kenya   
              559              82.83           SL28                   Kenya

Vícestupňové vzorkování

Klastrové vzorkování je typ vícestupňového vzorkování
Může mít > 2 fáze
Např. celostátní průzkumy mohou vzorkovat státy, okresy, města a čtvrti

Pojďme cvičit!

Vzorkování v Pythonu