如何使用 Python 重复某个命令（BOOTSTRAP RESAMPLING）

Question

我有一个数据框（长度为 4 个数据点）并想做一个 Bootstrap X 次。

数据帧示例：

              Index A B
                0   1 2
                1   1 2
                2   1 2
                3   1 2 

我为引导重采样找到了这段代码

      boot = resample(df, replace=True, n_samples=len(df), random_state=1)
      print('Bootstrap Sample: %s' % boot)

但现在我喜欢重复这个 X 次。我该怎么做？

x=20 的输出。

  Sample Nr.    Index A B
      1         0   1 2
                1   1 2
                2   1 2
                3   1 2 
     ...
      20        0   1 2
                1   1 2
                1   1 2
                2   1 2   

谢谢你们。

最好的

Answer 1

方法 1：并行样本数据

由于调用 n 时间作为数据帧的示例方法可能很耗时，因此可以考虑并行应用 sample 方法。

import multiprocessing
from itertools import repeat

def sample_data(df, replace, random_state):
    '''Generate one sample of size len(df)'''
    return df.sample(replace=replace, n=len(df), random_state=random_state)

def resample_data(df, replace, n_samples, random_state):
    '''Call n_samples time the sample method parallely'''
    
    # Invoke lambda in parallel
    pool = multiprocessing.Pool(multiprocessing.cpu_count())
    bootstrap_samples = pool.starmap(sample_data, zip(repeat(df, n_samples), repeat(replace), repeat(random_state)))
    pool.close()
    pool.join()

    return bootstrap_samples

现在，如果我想生成 15 个样本，resample_data 将返回一个包含来自 df 的 15 个样本的列表。

samples = resample_data(df, True, n_samples=15, random_state=1)

请注意，要返回不同的结果，将random_state 设置为None 会很方便。

方法 2：线性采样数据

另一种获取样本数据的方法是通过列表推导，因为函数 sample_data 已经定义，因此可以直接在列表中调用它。

def resample_data_linearly(df, replace, n_samples, random_state):
    
    return [sample_data(df, replace, random_state) for _ in range(n_samples)] 

# Generate 10 samples of size len(df)
samples = resample_data_linearly(df, True, n_samples=10, random_state=1)