python中带替换的分层样本

Question

我有一只熊猫DataFrame。我正在尝试创建一个DataFrame带有替换的样本并将其分层。

这允许我替换：

df_test = df.sample(n=100, replace=True, random_state=42, axis=0)

但是，我不确定如何分层。我可以使用该weights参数吗？如果可以，如何使用？我想要分层的列是字符串。

这让我可以分层：

from sklearn.model_selection import train_test_split

X_train, X_test, y_train, y_test = train_test_split(
    X, Y, test_size=.50, stratify=Y, random_state=42)

但是，没有选择替换。

如何同时分层和替换？

Answer 1

这是一个有点老的问题，但由于当我在寻找相同的东西时，谷歌首先返回了我这个问题，我认为将这个问题留在这里对每个人（包括我未来的自己）都是有用的。

显然在sklearn.utils.resamplesklearn中提供了此功能：

from sklearn import datasets
from sklearn.utils import resample

X, y = datasets.load_iris(return_X_y=True)
X_new, y_new = resample(X, y, stratify=y)

您可以使用参数控制样本数量n_samples。默认情况下，它设置为None，因此您可以返回X.shape[0]带有替换的随机样本（因为这是为引导目的而设计的）。希望这对某人有帮助。