数据采样

功能概述

数据采样模块是一个工具，用于通过各种采样方法从大型数据集中选择数据子集。

功能说明

该模块接收数据集作为输入，并根据指定条件返回该数据的较小样本。它支持多种采样方法，允许用户根据需求选择最合适的技术。

工作原理

该模块处理输入数据并应用选定的采样方法来选择项目子集。它可以处理不同的数据结构，并支持在批量接收数据的场景中进行数据累积。

输入参数

输入	描述
Data	用于采样的数据集。可以是单个字典、字典列表或列表的列表。
Sample Size	从数据集中选择的项目数量。
Sampling Method	用于选择样本的技术。选项包括随机、系统、顶部、底部、分层、加权、蓄水池和整群抽样。
Accumulate	指示是否在采样前累积数据的标志。这对于批量接收数据的场景非常有用。
Random Seed	用于确保可重现随机抽样的可选值。
Stratify Key	用于分层抽样的键（使用分层抽样方法时需要）。
Weight Key	用于加权抽样的键（使用加权抽样方法时需要）。
Cluster Key	用于整群抽样的键（使用整群抽样方法时需要）。

输出结果

输出	描述
Sampled Data	输入数据的选定子集。
Sample Indices	原始数据集中采样项目的索引。

可能的使用场景

一位处理大型客户数据集的数据科学家希望创建一个代表性样本进行分析。他们可以使用此数据采样块，通过分层抽样选择较小的客户子集，确保样本保持与完整数据集相同的不同客户细分群体的比例。