Pandas 中定义间隔的样本数据

Question

假设我的数据呈正态分布，我在我的数据区域中定义了一个伪置信区域，仅考虑彩色点。我调用上限 ub 和下限 lb.

我想在那个椭圆内对我的数据进行采样，我是这样做的：

sampled_ids = pd_pca.loc[
    pd_pca.pc1.between(pd_pca_stats.loc['pc1', 'lb'], pd_pca_stats.loc['pc1', 'ub']) & \
    pd_pca.pc2.between(pd_pca_stats.loc['pc2', 'lb'], pd_pca_stats.loc['pc2', 'ub'])] \
.sample(10)

但是，上述方法并不完全正确，因为它是从正方形而不是椭圆中采样的。
您有从椭圆中抽取我的数据的好方法吗？

Answer 1

您需要为椭圆蒙版。假设它以 (x,y) 为中心，半轴为 (a,b)，并假设椭圆的主轴遵循笛卡尔轴（否则您需要旋转）。

那你的面具就是

ellipse_mask = (pd_pca_stats.loc['pc1'] - x)**2/a**2 + (pd_pca_stats.loc['pc2'] - y)**2/b**2 <= 1
sampled_ids = pd_pca[ellipse_mask].sample(10)

Pandas 中定义间隔的样本数据

Sample data from defined interval in Pandas

python

sampling

confidence-interval

pandas

data-science