从 pandas 数据帧中提取子集以确保不重叠？
Extract subset from pandas dataframes ensuring no overlap?
假设我有 2 个 Pandas 数据帧 df 具有 297232 x 122 尺寸和 df_raw 具有 840380x122 尺寸。 df 已经是 df_raw 的子集。两个数据帧的索引都是 DateTime。我想从 df 中采样 70% 个值，从 df_raw 中采样 30% 个值（如果需要可以随机采样），同时确保采样的数据帧子集做在索引方面没有重叠。
更准确地说，df_subset 将从 df 中随机选择 70% 个值，而 df_raw_subset 从 [=] 中随机选择 30% 个值13=]，但是 df_subset 和 df_raw_subset 不应包含采样行方面的重叠，即它们应该具有唯一的 DateTime 索引。
所以首先我们从 df sample，因为尺寸很小，当我们将来从另一个更大的 df 中删除它时，我们不会有问题：没有足够的数据指向 sample
df_sub=df.sample(frac=0.7, replace=False)
然后我们将 df_raw 中的索引删除 df_sub
n=int(len(df_raw)*0.3)
df_raw_sub=df_raw.drop(df_sub.index).sample(n,replace=False)
假设我有 2 个 Pandas 数据帧 df 具有 297232 x 122 尺寸和 df_raw 具有 840380x122 尺寸。 df 已经是 df_raw 的子集。两个数据帧的索引都是 DateTime。我想从 df 中采样 70% 个值，从 df_raw 中采样 30% 个值（如果需要可以随机采样），同时确保采样的数据帧子集做在索引方面没有重叠。
更准确地说，df_subset 将从 df 中随机选择 70% 个值，而 df_raw_subset 从 [=] 中随机选择 30% 个值13=]，但是 df_subset 和 df_raw_subset 不应包含采样行方面的重叠，即它们应该具有唯一的 DateTime 索引。
所以首先我们从 df sample，因为尺寸很小，当我们将来从另一个更大的 df 中删除它时，我们不会有问题：没有足够的数据指向 sample
df_sub=df.sample(frac=0.7, replace=False)
然后我们将 df_raw 中的索引删除 df_sub
n=int(len(df_raw)*0.3)
df_raw_sub=df_raw.drop(df_sub.index).sample(n,replace=False)