Pandas多列随机抽样技巧
2026-03-12 23:12:44
0浏览
收藏
本文深入解析了在Pandas DataFrame中对每行多个长一维数组(如11列×38000元素)进行统一、高效、带放回随机抽样(n=1000)的专业实践,直击初学者易踩的维度错配陷阱——如误将逐列抽样混淆为行内合并抽样导致索引长度不匹配,并提供经过验证的简洁代码方案:利用`df.apply(axis=1)`配合`np.concatenate`和`np.random.choice`(或`default_rng`确保可重现性),在严格保持原始行数的前提下,实现每行从所有列数组拼接后的超大集合中精准抽样;同时兼顾性能优化、内存敏感场景应对及生产级鲁棒性,是处理传感器数据、嵌入向量等高维结构化序列的必备技巧。

本文介绍如何高效地对DataFrame中每行包含的多个一维数组(共11列,每数组长度38000)执行统一的带放回随机抽样(n=1000),避免常见维度错配错误,并提供可直接运行的专业级解决方案。
本文介绍如何高效地对DataFrame中每行包含的多个一维数组(共11列,每数组长度38000)执行统一的带放回随机抽样(n=1000),避免常见维度错配错误,并提供可直接运行的专业级解决方案。
在处理高维结构化数据时,常遇到每行存储多个同构数组(如传感器时间序列、嵌入向量集合等)的场景。此时若需对每行所有数组合并后统一抽样(而非逐列独立抽样),直接使用列表推导式极易引发 ValueError: Length of values does not match length of index —— 根本原因在于原代码 for i in df for j in df[i] 实际展平了全部800×11=8800个数组,生成8000个样本(误将n×列数当作总样本数),导致结果长度(8000)与DataFrame行索引长度(800)不匹配。
正确做法是:按行聚合 → 合并数组 → 单次抽样。推荐使用 df.apply(..., axis=1) 配合 np.concatenate 和 np.random.choice:
import numpy as np
import pandas as pd
# 示例数据构造(仅用于验证逻辑)
np.random.seed(42)
df = pd.DataFrame({
f'col_{i}': [np.random.randn(38000).astype(np.float64) for _ in range(800)]
for i in range(11)
})
# ✅ 正确实现:每行抽取1000个带放回样本(从该行11个数组共418000个元素中抽取)
n = 1000
df['rand_sample'] = df.apply(
lambda row: np.random.choice(
np.concatenate(row.values), # 将当前行11个数组拼接为单个一维数组(len=418000)
size=n,
replace=True
),
axis=1
)
print(f"新列类型: {df['rand_sample'].dtype}") # object(因存储numpy数组)
print(f"首行样本形状: {df.loc[0, 'rand_sample'].shape}") # (1000,)⚠️ 关键注意事项:
- 性能优化:np.concatenate(row.values) 比 np.concatenate([row[col] for col in df.columns]) 更高效,避免显式列名遍历;
- 内存敏感场景:若38000×11×8字节(约3.3GB/行)导致内存压力,可改用 np.random.Generator 的 choice 方法配合 axis=None(需先堆叠为2D数组),或分块抽样;
- 确定性复现:如需结果可重现,务必在 apply 外部初始化随机数生成器并传入(避免多进程下种子冲突):
rng = np.random.default_rng(seed=42) df['rand_sample'] = df.apply( lambda row: rng.choice(np.concatenate(row.values), size=n, replace=True), axis=1 ) - 扩展性提示:此模式适用于任意列数和数组长度,只需确保每行各列数据均为一维 ndarray;若存在缺失值(NaN 数组),需提前用 pd.isna() 过滤。
该方案以清晰的行级语义、稳定的输出长度(严格保持800行)和向量化内核调用,兼顾正确性、可读性与生产环境适用性。
今天带大家了解了的相关知识,希望对你有所帮助;关于文章的技术知识我们会一点点深入介绍,欢迎大家关注golang学习网公众号,一起学习编程~
vivo浏览器添加广告拦截白名单方法
- 上一篇
- vivo浏览器添加广告拦截白名单方法
- 下一篇
- 网易大神密码找回教程及步骤
查看更多
最新文章
-
- 文章 · python教程 | 1天前 | 线程池 · Python 线程池 concurrent.futures 任务取消 Future.cancel
- Python concurrent.futures.Future.cancel 怎样判断任务能否取消
- 143浏览 收藏
-
- 文章 · python教程 | 1天前 | 标准库 · HTTP服务 · 多线程 · Python教程 · Python 并发请求 http.server ThreadingHTTPServer ThreadingMixIn BaseHTTPRequestHandler
- Python http.server ThreadingHTTPServer 怎样处理并发请求
- 481浏览 收藏
-
- 文章 · python教程 | 1天前 |
- Python tarfile.TarInfo.replace 怎样复制归档成员属性
- 308浏览 收藏
-
- 文章 · python教程 | 1天前 | 并发编程 · Python教程 · Python 多进程 multiprocessing forkserver 启动上下文
- Python multiprocessing forkserver 怎样处理进程启动上下文
- 232浏览 收藏
-
- 文章 · python教程 | 1天前 | 标准库 · 异步编程 · Python教程 · Python asyncio StreamReader readexactly IncompleteReadError 异步流
- Python asyncio.StreamReader.readexactly 怎样处理不足长度的输入
- 427浏览 收藏
-
- 文章 · python教程 | 1天前 |
- Python operator.length_hint 怎样为未知长度迭代器设置估计值
- 336浏览 收藏
-
- 文章 · python教程 | 1天前 | 标准库 · Python教程 · Python warnings catch_warnings simplefilter filterwarnings 警告过滤
- Python warnings context manager 怎样临时调整警告过滤
- 255浏览 收藏
-
- 文章 · python教程 | 1天前 | 调试 · python · 异步编程 · Python asyncio introspection current_task all_tasks
- Python asyncio introspection 怎样定位当前任务
- 120浏览 收藏
-
- 文章 · python教程 | 1天前 | 标准库 · Python教程 · Python 类型注解 Python 3.14 annotationlib get_annotations ForwardRef 延迟注解
- Python 3.14 annotationlib.get_annotations 怎样读取延迟注解
- 423浏览 收藏
-
- 文章 · python教程 | 1天前 |
- Python 3.14 跨解释器 Queue.put 的阻塞与 QueueFull 处理方案
- 157浏览 收藏
-
- 文章 · python教程 | 2天前 | xml · python · Python xml xml.etree.ElementTree canonicalize C14N
- Python xml.etree.ElementTree.canonicalize 怎样生成稳定的 XML 文本
- 151浏览 收藏
查看更多
课程推荐
-
- 前端进阶之JavaScript设计模式
- 设计模式是开发人员在软件开发过程中面临一般问题时的解决方案,代表了最佳的实践。本课程的主打内容包括JS常见设计模式以及具体应用场景,打造一站式知识长龙服务,适合有JS基础的同学学习。
- 543次学习
-
- GO语言核心编程课程
- 本课程采用真实案例,全面具体可落地,从理论到实践,一步一步将GO核心编程技术、编程思想、底层实现融会贯通,使学习者贴近时代脉搏,做IT互联网时代的弄潮儿。
- 516次学习
-
- 简单聊聊mysql8与网络通信
- 如有问题加微信:Le-studyg;在课程中,我们将首先介绍MySQL8的新特性,包括性能优化、安全增强、新数据类型等,帮助学生快速熟悉MySQL8的最新功能。接着,我们将深入解析MySQL的网络通信机制,包括协议、连接管理、数据传输等,让
- 500次学习
-
- JavaScript正则表达式基础与实战
- 在任何一门编程语言中,正则表达式,都是一项重要的知识,它提供了高效的字符串匹配与捕获机制,可以极大的简化程序设计。
- 487次学习
-
- 从零制作响应式网站—Grid布局
- 本系列教程将展示从零制作一个假想的网络科技公司官网,分为导航,轮播,关于我们,成功案例,服务流程,团队介绍,数据部分,公司动态,底部信息等内容区块。网站整体采用CSSGrid布局,支持响应式,有流畅过渡和展现动画。
- 485次学习
查看更多
AI推荐
-
- PubMedQA
- 深入了解PubMedQA生物医学问答数据集,涵盖其核心功能、使用方法及在临床决策、药物研发等场景的应用,助力提升NLP模型性能。
- 1173次使用
-
- H2O EvalGPT
- H2O EvalGPT是H2O.ai推出的开源LLM评估平台,提供详细的大模型性能排行榜、行业特定基准测试及A/B测试功能,助您快速选择最适合项目的高性能大语言模型。
- 1154次使用
-
- LMArena
- LMArena是加州大学伯克利分校推出的AI模型匿名评测平台。通过盲测投票机制,用户可对比不同大模型回答并生成实时排行榜,助力开发者优化模型及用户选择最佳AI工具。
- 1338次使用
-
- HELM
- 深入了解斯坦福推出的HELM(Holistic Evaluation of Language Models)大模型评测体系。本文解析其核心功能、安装配置步骤及应用场景,涵盖准确性、公平性、鲁棒性等多维度指标,助力开发者全面优化语言模型性能。
- 1280次使用
-
- MMBench
- MMBench是由上海人工智能实验室等机构联合推出的多模态基准测试平台,提供细粒度能力评估、大规模数据集及VLMEvalKit工具。本文详细介绍其核心功能、安装使用方法及应用场景,助力开发者全面评估多模态模型性能。
- 1138次使用
查看更多
相关文章
-
- Python TaskGroup 怎样让子任务失败统一收敛
- 2026-11-12 501浏览
-
- Python xml.dom.minidom.unlink 怎样释放不再使用的 DOM 树引用
- 2026-10-27 501浏览
-
- Python typing 怎样用 TypeIs 缩小类型
- 2026-10-24 501浏览
-
- Python sqlite3 Connection serialize 怎么导出数据库快照:备份窗口、内存占用与恢复校验
- 2026-08-26 501浏览
-
- Python监控网页状态:requests异常处理实战
- 2026-05-29 501浏览

