[전처리] Data Reduction(데이터 축소) - 수치적 축소

2022.03.07 - [데이터 분석/02. Data Processing] - [전처리] Data Reduction(데이터 축소) - 차원축소

[전처리] Data Reduction(데이터 축소) - 차원축소

Data Reduction(데이터 축소)의 두번째 방법인 수치적 축소에 대해 적어보려고 합니다!

---

Numerosity reduction(수치적 축소)

 

: 데이터 크기를 줄이는 방법

 

~랜덤샘플링~

 

1. 패키지 임포트

from sklearn.datasets import load_iris
import pandas as pd
iris=load_iris()

 

 

2. 데이터 확인

#x컬럼만 data에 저장
data=pd.DataFrame(iris.data, columns=['Sepal length', 'Sepal width', 'Petal length', 'Petal width'])
print(data.info())

데이터의 개수가 150개 인 것을 확인

 

 

3. 샘플링

: 샘플링할 때 재현할 수 있도록 random_state=1000으로 설정!

 

~첫번째 방법 : 개수로 샘플링~

samn=data.sample(n=15, random_state=1000) #15개 샘플링

 

~두번째 방법 : 비율로 샘플링~

samf=data.sample(frac=0.1, random_state=1000) #전체의 10% 샘플링(15개임)

 

=> 결과 확인

#같은 결과가 나옴
print(samn.head(5))
print(samf.head(5))

 

~세번째 방법 : 중복 허락하고 샘플링~

#replace=True : 뽑힌걸 또 뽑아도됨
samwr=data.sample(n=15, replace=True, random_state=1000)

 

=>결과 확인

print(samwr.head(15))

이렇게 이미 한차례 샘플링 된 결과 값이 또 샘플링될 수 있다..!