Eșantionare pe clustere

Eșantionare în Python

James Chapman

Curriculum Manager, DataCamp

Eșantionare stratificată vs. pe clustere

Eșantionare stratificată

Împărțiți populația în subgrupuri
Aplicați eșantionarea aleatorie simplă pe fiecare subgrup

Eșantionare pe clustere

Selectați câteva subgrupuri prin eșantionare aleatorie simplă
Aplicați eșantionarea aleatorie simplă doar pe acele subgrupuri

Varietăți de cafea

Boabe de cafea aranjate în rânduri și coloane.

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']

Etapa 1: eșantionarea subgrupurilor

Boabe de cafea aranjate în rânduri și coloane, toate estompate cu excepția a trei.

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

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

Etapa 2: eșantionarea fiecărui grup

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)

Rezultatul etapei 2

                    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

Eșantionare multietapă

Eșantionarea pe clustere este un tip de eșantionare multietapă
Poate avea > 2 etape
Ex.: sondajele naționale pot eșantiona județe, orașe și cartiere

Să exersăm!

Eșantionare în Python