抽样助手
地图帮2026-03-10
抽样助手
科学地从大数据集中抽取样本：三种抽样方法，自动对比抽样前后的分布差异，确保样本能代表整体。十万行数据跑分析太慢时，先抽一部分试跑，不用担心"随便取前 1000 行结果全是北京的数据"。
准备一份大表
- 一份 Excel 或 CSV 文件（数据量越大，抽样越有意义）
四步抽出代表性样本
导入数据。打开数据魔方，点顶部「数据分析」标签页，进「抽样助手」卡片，导入数据文件。导入成功后下方显示数据预览和总行数。
选择抽样方法和参数。参数面板里的设置：
- 抽样方法：三种可选
方法 原理（用人话说） 什么时候用 随机抽样 每一行被抽中的概率相同，完全随机 大多数情况用它就够了 分层抽样 先按某列分组（比如"城市"），再从每组里按比例抽取，保证每个组都有代表 数据里有明确分类，想确保每类都被抽到 系统抽样 每隔固定间距抽一行（比如每隔 100 行抽 1 行） 数据本身有顺序的时候用 - 样本量：想抽多少行，填具体数字（比如 1000）或比例（比如 10%）
- 分层列（仅分层抽样）：按哪一列分层（比如"城市""品类"）
- 随机种子：默认 42。同一个种子每次抽出来的结果一样，方便复现；想每次抽不同样本才需要改
不知道选哪个就选随机抽样、样本量 1000 或 10%，先跑一次看效果。
查看结果。点「开始分析」，结果分两部分：
- 抽样结果：抽出来的样本数据，左上角显示"原始 100000 行 → 样本 1000 行"
- 分布对比表：自动对比抽样前后的数值列分布，包括每列的原始均值 vs 样本均值、原始标准差 vs 样本标准差
导出结果。点「导出」把样本数据保存为 Excel 或 CSV。
分层列要选"种类少的分类字段"
分层列选了唯一值特别多的字段（比如"姓名"），每层只有 1 行，抽出来跟原始数据差不多。合适的分层列是城市（几十个）、性别（2-3 个）、等级（几个）这类。
均值差距大说明代表性不好
分布对比表显示原始均值和样本均值差距很大时，可以：增加样本量；换分层抽样保证各类比例一致；换一个随机种子重新抽。
确认样本分布跟整体接近
样本行数是设置的样本量，分布对比表显示均值和标准差跟原始数据接近，说明抽样可靠。