CSV-Zeilen mit Seed reproduzierbar zufällig auswählen

Geben Sie CSV-Text, Stichprobengröße und einen ganzzahligen Seed an: Dieselben drei Eingaben liefern stets dieselbe CSV-Stichprobe. Das ist besonders hilfreich, wenn Sie für Prüfungen, Tests, Vorführungen oder Audits einen kleineren Datensatz benötigen, den andere Beteiligte exakt wiederherstellen können.

Erstellen Sie eine von anderen reproduzierbare Zufallsstichprobe

Eine gewöhnliche Zufallsauswahl wird problematisch, sobald eine andere Person sie wiederholen muss. Eine Tabellenkalkulation kann nach einer Neuberechnung andere Datensätze auswählen, während ein undokumentiertes Skript Zweifel weckt, ob sich das Ergebnis zwischen zwei Läufen verändert hat. Bei diesem Werkzeug gehört der Seed neben CSV-Text und gewünschter Stichprobengröße ausdrücklich zur Eingabe. Identische Eingaben ergeben deshalb exakt dieselben Datensätze. Das eignet sich für versionierte Experimente, Prüfprotokolle und wiederholbare Qualitätskontrollen. Der erste CSV-Datensatz gilt immer als Kopfzeile und bleibt erhalten. Nur die darunterliegenden Datensätze werden ausgewählt, und jeder kann höchstens einmal vorkommen. Die ausgegebenen Zeilen behalten ihre ursprüngliche relative Reihenfolge. Dadurch lässt sich die kleinere Datei leichter mit der Quelle vergleichen. In Anführungszeichen eingeschlossene Felder dürfen Kommas, maskierte Anführungszeichen oder Zeilenumbrüche enthalten; die Datensatzgrenzen werden erkannt, ohne den Inhalt zu glätten oder neu aufzubauen.

Wählen Sie Stichprobengröße und Seed bewusst

Setzen Sie sample_size auf die genaue Anzahl der benötigten Datensätze. Der Wert null ist zulässig und gibt nur die Kopfzeile zurück. Damit können Sie beispielsweise eine leere Testdatei erstellen, die das Schema weiterhin enthält. Die Größe darf die Zahl der vorhandenen Datensätze nicht überschreiten, weil ohne Zurücklegen ausgewählt wird: Mehr unterschiedliche Zeilen anzufordern, als vorhanden sind, wäre unmöglich. In diesem Fall erhalten Sie einen eindeutigen Eingabefehler, statt dass Datensätze dupliziert oder die gewünschte Größe stillschweigend verringert werden. seed muss eine sichere Ganzzahl sein. Er ist kein Sicherheitsgeheimnis und muss nicht unvorhersehbar sein; er bezeichnet lediglich eine reproduzierbare Auswahl. Teams leiten ihn häufig aus einer Experimentnummer, einem Testfall oder einer Prüfrunde ab und speichern ihn mit dem Ergebnis. Ändern Sie nur den Seed, entsteht meist eine andere Stichprobe; stellen Sie den vorherigen Wert wieder her, erhalten Sie die frühere Auswahl. Für genaue Reproduzierbarkeit muss auch die Quelldatei unverändert bleiben.

Setzen Sie CSV-Stichproben verantwortungsvoll ein

Eine Zufallsstichprobe unterstützt schnelle Sichtprüfungen, grundlegende Pipeline-Tests, Vorführungen und handliche Testdaten, ist jedoch nicht automatisch statistisch repräsentativ. Seltene Kategorien können zufällig fehlen, besonders bei einer kleinen Stichprobe. Falls jede Kategorie vertreten sein muss, verwenden Sie ein geschichtetes Verfahren und betrachten Sie eine uneingeschränkte Zufallsauswahl nicht als Garantie. Diese Fähigkeit führt weder Netzwerkaufrufe noch Anreicherungen, Typumwandlungen, Trennzeichenwechsel oder Datenbereinigungen durch. Sie bewahrt die ausgewählten CSV-Datensätze unverändert und fügt sie unter der ursprünglichen Kopfzeile zusammen. So werden weder Datumsangaben umformatiert noch Zahlen normalisiert. Mehrzeilige Datensätze in Anführungszeichen bleiben ebenfalls intakt. Leere physische Zeilen unterhalb der Kopfzeile zählen als Datensätze, da ihr Entfernen die gelieferte Grundgesamtheit verändern würde. Speichern Sie in automatisierten Abläufen Seed, Stichprobengröße und eine stabile Kopie oder Prüfsumme der Quelle. API-Anfragen kosten $0.002; im Browser läuft dieselbe Berechnung lokal.