使用_random模块实现随机采样的方法

random模块是Python中用于生成伪随机数的模块，可以用于实现随机采样的方法。下面将介绍三种常见的随机采样方法，并给出相应的使用例子。

1. 简单随机采样（Simple Random Sampling）：

简单随机采样是指从总体中随机选择一定数量的个体作为样本，每个个体被选择的概率相等。可以使用random模块中的sample函数实现简单随机采样。

示例代码：

import random

population = [1, 2, 3, 4, 5, 6, 7, 8, 9, 10]
sample_size = 5

sample = random.sample(population, sample_size)

print(sample)

输出：

[8, 6, 5, 9, 3]

在上述例子中，我们定义了一个总体population，包含了数字1到10。然后使用random.sample函数从population中随机选择5个个体作为样本，存储在sample变量中并输出。

2. 分层随机采样（Stratified Random Sampling）：

分层随机采样是指按照总体的一定比例，从每个层中随机选择一定数量的个体作为样本。可以使用random模块中的choice函数实现分层随机采样。

示例代码：

import random

population = {'classA': [90, 85, 80, 90, 95], 'classB': [75, 80, 90, 85, 95]}
sample_size = 2

sample = {}

for class_name, data in population.items():
    sample[class_name] = random.sample(data, sample_size)

print(sample)

输出：

{'classA': [90, 85], 'classB': [85, 75]}

在上述例子中，我们定义了一个总体population，其中包含了两个类别"classA"和"classB"，每个类别中有五个数据点。然后使用for循环遍历每个类别，使用random.sample函数从每个类别中随机选择两个数据点作为样本，并将结果存储在sample字典中并输出。

3. 簇内随机采样（Cluster Random Sampling）：

簇内随机采样是指将总体按照某种特定的规则分成若干簇，然后从每个簇中随机选择一定数量的个体作为样本。可以使用random模块中的choice函数结合循环实现簇内随机采样。

示例代码：

import random

population = [[1, 2, 3], [4, 5, 6], [7, 8, 9]]
sample_size = 2

sample = []

for cluster in population:
    sample.extend(random.sample(cluster, sample_size))

print(sample)

输出：

[3, 1, 5, 4, 8, 9]

在上述例子中，我们定义了一个总体population，其中包含了三个簇，分别是[1, 2, 3]、[4, 5, 6]和[7, 8, 9]。然后使用for循环遍历每个簇，使用random.sample函数从每个簇中随机选择两个个体作为样本，并使用extend函数将它们添加到sample列表中，并最后输出。

通过使用random模块中的函数，我们可以方便地实现简单随机采样、分层随机采样和簇内随机采样三种常见的随机采样方法。这些方法在统计学、机器学习等领域中经常用到，能够帮助我们从总体中抽取具有代表性的样本进行分析和建模。