Pandas サンプリングとランダムデータ

Pandas は豊富なランダムサンプリング機能を提供しており、データセットから要件に応じてランダムにサンプルを選択でき、ランダムデータの生成もサポートしています。

ランダムサンプリング

sample メソッド

例

import pandas as pd
import numpy as np

# 大きなデータセットを作成
df = pd.DataFrame({
    "ID": range(1, 1001),
    "値": np.random.randn(1000)
})

# 5行をランダムに抽出
print("ランダムに5行抽出：")
print(df.sample(5))
print()

# データの30%を抽出
print("ランダムに30%抽出：")
print(df.sample(frac=0.3))
print()

# 復元抽出（重複あり）
print("復元抽出で5行：")
print(df.sample(5, replace=True))

乱数シードの設定

例

import pandas as pd
import numpy as np

# 乱数シードを設定し、結果を再現可能にする
np.random.seed(42)

df = pd.DataFrame({
    "ID": range(1, 11),
    "値": np.random.randn(10)
})

print("乱数シード42を使用：")
print(df.sample(3))

# 同じシードで再度実行すると、同じ結果が得られる
print("\n同じシードで再度実行：")
np.random.seed(42)
print(df.sample(3))

ランダムデータの生成

例

import pandas as pd
import numpy as np

# ランダムな整数を生成
print("ランダムな整数 [0, 10)：")
print(pd.Series(np.random.randint(0, 10, 5)))
print()

# ランダムな浮動小数点数を生成
print("ランダムな浮動小数点数 [0, 1)：")
print(pd.Series(np.random.random(5)))
print()

# 正規分布のランダム数を生成
print("正規分布 N(0, 1)：")
print(pd.Series(np.random.randn(5)))
print()

# 平均と標準偏差を指定
print("正規分布 N(10, 2)：")
print(pd.Series(np.random.normal(10, 2, 5)))
print()

# ランダムに選択
choices = ["A", "B", "C", "D"]
print("ランダム選択：")
print(pd.Series(np.random.choice(choices, 10)))

トレーニング/テストセットの分割

例

import pandas as pd
import numpy as np

# 模擬データセット
df = pd.DataFrame({
    "特徴1": np.random.randn(100),
    "特徴2": np.random.randn(100),
    "ターゲット": np.random.choice([0, 1], 100)
})

# トレーニングセットとテストセットに分割 (80% / 20%)
train = df.sample(frac=0.8, random_state=42)
test = df.drop(train.index)

print(f"トレーニングセット: {len(train)} 行")
print(f"テストセット: {len(test)} 行")
print()

# 層化抽出（目的変数の比率を維持）
print("層化抽出：")
from sklearn.model_selection import train_test_split
# scikit-learn のインストールが必要: pip install scikit-learn
# train, test = train_test_split(df, test_size=0.2, stratify=df["ターゲット"])
その他の拡張