有放回抽样ID直至收集全部个体的模拟与可视化需求

1. 数据预处理 #

先把ID-个体映射数据整理好，用Python的pandas库加载处理（实际数据可替换为你的文件路径）：

import pandas as pd
import numpy as np
import matplotlib.pyplot as plt

# 加载示例数据（实际场景替换为你的数据文件，比如pd.read_csv("your_data.csv")）
data = pd.DataFrame({
    'ID': [1,2,3,4,5,6,7],
    'individual': ['A','B','A','C','D','D','D']
})

# 建立ID到个体的映射字典
id_to_individual = data.set_index('ID')['individual'].to_dict()
# 获取所有唯一个体的总数（用于绘制渐近线）
total_unique_individuals = len(set(data['individual']))
# 提取所有ID作为抽样池
id_pool = data['ID'].tolist()

2. 1000次有放回抽样模拟 #

核心逻辑是每次从ID池随机抽取一个ID，对应到个体后记录累计收集到的唯一个体数量：

# 初始化变量：已收集的个体集合、累计数量记录列表
collected_individuals = set()
count_record = []

# 执行1000次有放回抽样
for _ in range(1000):
    # 随机抽取一个ID
    sampled_id = np.random.choice(id_pool, replace=True)
    # 获取对应的个体
    sampled_individual = id_to_individual[sampled_id]
    # 将个体加入已收集集合（自动去重）
    collected_individuals.add(sampled_individual)
    # 记录当前累计的唯一个体数
    count_record.append(len(collected_individuals))

3. 可视化结果 #

绘制抽样次数与累计唯一个体数的趋势图，并添加全个体数的渐近线：

plt.figure(figsize=(10,6))
# 绘制累计数量变化曲线
plt.plot(range(1, 1001), count_record, label='累计唯一个体数')
# 绘制全个体数的渐近线
plt.axhline(y=total_unique_individuals, color='r', linestyle='--', label=f'全部个体数({total_unique_individuals})')
# 设置图表标签与样式
plt.xlabel('ID抽样次数')
plt.ylabel('累计唯一个体数')
plt.title('1000次有放回抽样累计唯一个体数变化趋势')
plt.legend()
plt.grid(alpha=0.3)
plt.show()

结果说明 #

• 曲线前期上升较快，随着抽样次数增加，会逐渐逼近全个体数，最终趋于平稳（与红色虚线重合）
• 横轴严格对应ID抽样次数（1到1000），而非唯一ID数量，完全匹配需求
• 由于抽样的随机性，每次运行的曲线会有细微差异，但整体趋势一致：从快速收集新个体到逐渐饱和

内容的提问来源于stack exchange，提问作者kalex