Klustersampling

Sampling i Python

James Chapman

Curriculum Manager, DataCamp

Stratifierat urval vs. klustersampling

Stratifierat urval

Dela upp populationen i undergrupper
Använd enkelt slumpmässigt urval på varje undergrupp

Klustersampling

Använd enkelt slumpmässigt urval för att välja ut undergrupper
Använd enkelt slumpmässigt urval enbart på de valda undergrupperna

Kaffesorter

Kaffebönor ordnade i rader och kolumner.

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']

Steg 1: urval av undergrupper

Kaffebönor ordnade i rader och kolumner, där alla är gråtonade utom tre.

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

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

Steg 2: urval inom varje grupp

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)

Utdata från steg 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

Flerstegsurvalsmetod

Klustersampling är en typ av flerstegsurvalsmetod
Kan ha > 2 steg
T.ex. kan rikstäckande undersökningar sampla regioner, kommuner, städer och stadsdelar

Nu kör vi en övning!

Sampling i Python