Funciones de Muestreo en Python

import pandas as pd import numpy as np import random import io

econdata = pd.read_csv('/work/econdata.csv')

econdata.head(5)

idint64

geo_point_2dobject

19.424781053,-99.1327537959

19.4346139576,-99.1413808393

19.4340695945,-99.1306348409

19.42489472,-99.12073393

19.42358238,-99.12451093

aleat_8 = econdata.sample(n = 8) aleat_8

idint64

geo_point_2dobject

19.4264953358,-99.1248854383

19.4244645173,-99.1433325213

19.4343847692,-99.125125489

137

19.4421185698,-99.1482841686

221

19.4386933829,-99.1481075783

125

19.4342350395,-99.1354548065

19.4430578017,-99.13614342

19.4285279152,-99.147008562

aleat_8_2 = econdata.sample(n=8) aleat_8_2

idint64

geo_point_2dobject

19.4425777264,-99.1292760518

102

19.4394492343,-99.137176496

162

19.4452741596,-99.1443205075

226

19.4416748524,-99.1365878489

177

19.43138889,-99.1370037108

19.4406333099,-99.1378562996

19.4338441801,-99.1342731052

209

19.4236610108,-99.1437572917

prop_25 = econdata.sample(frac = .25) prop_25.head()

idint64

geo_point_2dobject

19.4390916028,-99.1493421468

118

19.44371481,-99.14271352

19.4383554723,-99.1327563513

19.4369607249,-99.1354098031

131

19.4389531509,-99.1479144659

def systematic_sampling(econdata,step): indexes = np.arange(0,len(econdata),step=step) systematic_sample = econdata.iloc[indexes] return systematic_sample systematic_sample = systematic_sampling(econdata,3) systematic_sample

idint64

0 - 228

geo_point_2dobject

19.424781053,-99.13275379591.3%

75 others97.4%

Missing1.3%

19.424781053,-99.1327537959

19.42489472,-99.12073393

19.43553422,-99.12324801

19.4407152937,-99.1498060057

19.43990186,-99.14813347

19.42413788,-99.1324515

19.4331161255,-99.1309438719

19.43614459,-99.13945267

19.4285279152,-99.147008562

19.4348360773,-99.1463945583

econdata['estratificado'] = econdata['delegacion'] + "," + econdata['tipo'] (econdata['estratificado'].value_counts()/len(econdata)).sort_values(ascending = False)

def data_estratificada(econdata, nombres_columnas_estrat, valores_estrat, prop_estrat, random_state=None): df_estrat = pd.DataFrame(columns = econdata.columns) # Creamos un data frame vacío con los nombres de las columnas de econdata pos = -1 for i in range(len(valores_estrat)): # iteración sobre los valores estratificados pos += 1 if pos == len(valores_estrat) - 1: ratio_len = len(econdata) - len(df_estrat) # si es la iteración final calcula el número de valores de salida tenga el mismo número de filas que de entrada else: ratio_len = int(len(econdata) * prop_estrat[i]) # calcula el número de filas según la proporción deseada df_filtrado = econdata[econdata[nombres_columnas_estrat] ==valores_estrat[i]] # filtra los datos de origen según los valores seleccionados en la estratificación de datos df_temp = df_filtrado.sample(replace=True, n=ratio_len, random_state=random_state) # haz un sample de los datos filtrados usando la ratio que hemos calculado df_estrat = pd.concat([df_estrat, df_temp]) # junta las tablas de sample con la estratificada para producir el resultado final return df_estrat # Return the stratified, re-sampled data

valores_estrat = ['Cuautémoc,Hotel', 'Cuautémoc,Museo', 'Venustiano Carranza,Hotel', 'Cuauhtémoc,Mercado','Venustiano Carranza,Mercado'] prop_estrat = [0.5, 0.2, 0.1, 0.1,0.1] df_estrat = data_estratificada(econdata, 'estratificado', valores_estrat, prop_estrat, random_state=42) df_estrat

idobject

272.2%

1632.2%

138 others95.7%

geo_point_2dobject

19.4348360773,-99.14639455832.2%

138 others96.5%

Missing1.3%

164

19.4388741511,-99.1413308257

142

19.4263681354,-99.1327278126

19.4348360773,-99.1463945583

168

19.4349726565,-99.147766133

113

19.43374405,-99.13550135

19.438545231,-99.1481820852

164

19.4388741511,-99.1413308257

191

19.43985567,-99.14782916

117

19.4253041176,-99.1405962735

137

19.4421185698,-99.1482841686