Автор оригинала: Pankaj Kumar.
Понимание функции Python Frumber ()
Здравствуйте, читатели! В этой статье мы будем сосредоточиться на Python образец () Функция И его важность в области науки о данных.
Итак, давайте начнем!
Что такое метод Python ()?
Давайте сначала понять существование образца () метода в отрасли науки о данных.
Решая проблемы в отношении прогнозирования данных, мы часто сталкиваемся с ситуациями, когда нам нужно проверить алгоритм в нескольких данных для оценки точности алгоритма, применяемого.
Это когда метод Python Famcer () входит в картину.
Образец () Метод
Давайте выберем случайную выборку из доступных данных для операций. Хотя существует много техник для образца данных, метода образца () считается одним из самых простых в своем роде.
Способ Python Womance () Работает все типы, такие как список, такие как список, кортеж, наборы, dataframe и т. Д. Это случайным образом выбирает данные с того, что потенциал через пользователь определенный номер значения данных.
Давайте теперь понять структуру того же в разделе ниже.
Синтаксис образец () метода
Посмотрите на синтаксис ниже!
Синтаксис:
sample(iterable, sample_amt)
Нам необходимо предоставить функцию с суммой образца, которую мы хотим, чтобы функцию случайным образом выбрать из прилагаемой структуры и данных.
1. Образец Python () со списком
В этом разделе мы реализовали образец () функцию наряду с списком Python и выбрали 4 образцы из данных случайным образом с помощью функции.
Пример:
from random import sample lst = [10,20,40,30,50,46,89] res = sample(lst, 4) print(res)
Выход:
[20, 89, 40, 46]
2. Образец Python () с набором
Здесь мы создали Python, набор используя алфавиты, а также числовые значения. Кроме того, мы применили образец () функцию на множестве и выбрали 4 значения.
Пример:
from random import sample set_sample = {1,2,3,4,5,"s","a","f","a"} res = sample(set_sample, 4) print(res)
Выход:
['f', 1, 5, 2]
Ошибка и исключения с образцом () функцией
Работа с образцом () функцией, мы можем наступить на ValueError исключение. Если мы предоставляем образец_амт в качестве значения, которое больше, чем общее количество значений данных, присутствующих в неразмерном, это исключение вызывается.
Пример:
from random import sample set_sample = {1,2,3,4,5,"s","a","f","a"} res = sample(set_sample, 15) print(res)
Выход:
--------------------------------------------------------------------------- ValueError Traceback (most recent call last)in 2 3 set_sample = {1,2,3,4,5,"s","a","f","a"} ----> 4 res = sample(set_sample, 15) 5 print(res) c:\users\hp\appdata\local\programs\python\python36\lib\random.py in sample(self, population, k) 316 n = len(population) 317 if not 0 <= k <= n: --> 318 raise ValueError("Sample larger than population or is negative") 319 result = [None] * k 320 setsize = 21 # size of a small set minus size of an empty list ValueError: Sample larger than population or is negative
Заключение
По этому, мы подошли к концу этой темы. Не стесняйтесь комментировать ниже, если вы столкнетесь с любым вопросом.
Для получения дополнительных таких постов, связанных с Python, оставаться настроенными и до тех пор, до тех пор, пока, счастливое обучение! 🙂.