Eșantionare aleatoare

Analiza datelor din sondaje în Python

EbunOluwa Andrew

Data Scientist

Eșantionarea în analiza datelor de sondaj

  • Eșantionarea = subset mic dintr-o populație mare
    • Se fac inferențe despre populația mai largă
    • Eșantionarea -> formă gestionabilă
    • Eșantionarea -> eroare de eșantionare
    • Minimizarea erorii cu populație mare

Fotografie de Patrick Fore pe Unsplash - copil ținând bomboane

Analiza datelor din sondaje în Python

Eșantionare aleatoare

  • Fiecare membru are șanse egale de a fi selectat
  • Reduce părtinirea
  • Validitate internă ridicată
  • Validitate externă ridicată

bilete de loterie

Analiza datelor din sondaje în Python

Metoda .sample()

  • DataFrame.sample(n = _None_, frac = _None_, random_state = _None_)
  • n = numărul de elemente eșantionate
  • frac = proporția (din 1) a elementelor returnate
  • random_state = numărul de seed pentru rezultate reproductibile
Analiza datelor din sondaje în Python

Exemplu de eșantionare aleatoare

import pandas as pd
survey = pd.read_csv('ABC_survey.csv')

sample = survey.sample(n=100)
print(sample)

|       | employee_id | gender | onsite_work |
|-------|-------------|--------|-------------|
| 3244  | fffe330     | Female | Yes         |
| 21339 | fffe310     | Male   | Yes         |
| 1122  | fffe390     | Male   | Yes         |
| 4363  | fffe313     | Female | Yes         |
Analiza datelor din sondaje în Python

Exemplu de eșantionare aleatoare

import pandas as pd
survey = pd.read_csv('ABC_survey.csv')

sample = survey.sample(frac = 0.1)
print(sample)

|     | employee_id | gender | onsite_work |
|-----|-------------|--------|-------------|
| 142 | fffe800     | Female | Yes         |
| 710 | fffe900     | Female | Yes         |
| 242 | fffe700     | Female | Yes         |
| 114 | fffe600     | Female | Yes         |
Analiza datelor din sondaje în Python

Exemplu de eșantionare aleatoare

import pandas as pd
survey = pd.read_csv('ABC_survey.csv')

sample = survey.sample(
  n = 100, random_state = 123)

import pandas as pd
survey = pd.read_csv('ABC_survey.csv')

sample = survey.sample(
  frac = 0.1, random_state = 123)

|       | employee_id | gender | onsite_work |
|-------|-------------|--------|-------------|
| 21383 | fffe3       | Female | Yes         |
| 82    | fffe0       | Male   | Yes         |
| 20739 | fffe2       | Male   | Yes         |
| 7662  | fffe9       | Female | Yes         |

|       | employee_id | gender | onsite_work |
|-------|-------------|--------|-------------|
| 21383 | fffe3       | Female | Yes         |
| 82    | fffe0       | Male   | Yes         |
| 20739 | fffe2       | Male   | Yes         |
| 7662  | fffe9       | Female | Yes         |
Analiza datelor din sondaje în Python

Să exersăm!

Analiza datelor din sondaje în Python

Preparing Video For Download...