根据现有列值从 pandas 数据框中随机选择行子集

Question

我有一个包含多列的数据框，我想根据特定列的值随机 select 相同数量的行。我想过使用 df.groupby['...'] 但它没有用。这是一个例子：

假设我想随机 select 每个 GroupID 一行，我该如何实现？例如，假设我 select 每个 GroupID 一个随机行，结果将产生以下内容：

这样它就可以根据 GroupID 中的值输出一行。例如，假设行按 GroupID（从升序到降序）排序，然后 select 来自与 GroupID 1、2、3 相关的行的“n”行，依此类推。任何信息肯定会有帮助。

此外，如果我需要 select 每个 GroupID 的特定行数（假设 GroupID=100 为 1 行，GroupID=200 为 4 行，等等），有什么想法吗？

[更新] 我使用下面的推荐答案进行了较小的修改或扩展，以select使用以下方法为每个组选择特定的 n 值：

samples = []
values = [1,  1,  2, ...]
index = 0
for group in df.GroupID.unique():
    s = df.loc[df.GroupID== group].sample(n=values[index ]).reset_index(drop=True)
    samples.append(s)
    index = index + 1
    
sample = pd.concat(samples, axis=0)

Answer 1

希望这段代码对您有用

samples = []
for group in df.GroupID.unique():
    s = df.loc[df.GroupID== group].sample(n=1).reset_index(drop=True)
    samples.append(s)
    
sample = pd.concat(samples, axis=0)

代码将从该子组中获取每个 'GroupID' 和样本观察值。您可以为所需样本连接子样本（使用一个 GroupID）。

根据现有列值从 pandas 数据框中随机选择行子集

Randomly selecting a subset of rows from a pandas dataframe based on existing column values

python

pandas

dataframe

random

sample