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! 🙂.