Python中的random.uniform行到底是做什么的？

Question

我正在关注Andrew Cross在此处使用Python中的随机森林的教程 。 我得到的代码可以很好地运行，并且在大多数情况下我了解输出。 但是，我不确定这行到底是做什么的：

df['is_train'] = np.random.uniform(0, 1, len(df)) <= .75

我知道它“在0和1之间创建（随机）均匀分布，并将3/4的数据分配在训练子集中。” 但是，训练子集并不总是恰好是子集的3/4。 有时它较小，有时它较大。 那么，是否选择了大约75％的随机大小子集？ 为什么不让它始终达到75％？

Answer 1

它不会将3/4的数据分配给训练子集中。
它将数据在训练子集中的概率分配为3/4 ：

例：

>>> import numpy as np
>>> sum(np.random.uniform(0, 1, 10) < .75)
8
>>> sum(np.random.uniform(0, 1, 10) < .75)
10
>>> sum(np.random.uniform(0, 1, 10) < .75)
7

• 在第一个示例中，数据的80％位于训练子集中
• 100％-在第二个
• 70％-第三名

平均应为75％。

Answer 2

np.random.uniform(0, 1, len(df))创建一个len(df)随机数数组。
<= .75然后创建另一个数组，该数组包含与条件匹配的True和在其他位置为False数组。
然后，代码使用找到True索引中的数据。 由于随机分布是...很好，是随机的，您将无法获得准确的75％的值。

Answer 3

如果您想更严格地选择总是非常接近75％的训练集，则可以使用如下代码：

d = np.random.uniform(0, 1, 1000)
p = np.percentile(d, 75)

print(np.sum(d <= p))   # 750
print(np.sum(d <= .75)) # 745

在您的示例中：

d = np.random.uniform(0, 1, len(df))
p = np.percentile(d, 75)
df['is_train'] = d <= p