如何使用 pandas+groupby+sample fraction 保留所有组，即使某些组非常小？

Question

假设我有这样的数据：

df=pd.DataFrame({'a':[1,2,3,4,5,6,7,8,9,10,0,11,12],
                 'b':[0,0,0,0,0,0,0,0,0,0,0,0,1]})

我想使用 b 将数据分为两组并从每组中取样。您可以看到第 0 组的数据比第 1 组多得多。所以，如果我这样做：

df1=df.groupby(['b']).apply(lambda x: x.sample(frac=0.1)).reset_index(drop=True)

您会发现第 1 组无法采样。如果 frac 增加，它可能会被采样。

那么，我应该怎么做才能保留所有的组，即使它很小？

Answer 1

使用 sample 重新排序数据框，然后我们找到每个组的 min 计数值，然后我们可以 head

df1 = df.groupby('b').apply(lambda x: x.sample(frac=1)).reset_index(drop=True)
ming = df1.b.value_counts().min()
df1 = df1.groupby('b').head(ming)
df1
Out[287]: 
     a  b
0    8  0
12  12  1

如何使用 pandas+groupby+sample fraction 保留所有组，即使某些组非常小？

How to keep all groups using pandas+groupby+sample fraction even some groups are very small?

pandas

sample