每个特定组的数据帧随机特定行[重复]

从…起 0.16.x 向前 pd.DataFrame.sample 提供了一种从对象轴返回项目的随机样本的方法。

In [664]: df.groupby('Group_Id').apply(lambda x: x.sample(1)).reset_index(drop=True)
Out[664]:
  Name  Group_Id
0  ABC         1
1  XYZ         2
2  DEF         3

size = 2        # sample size
replace = True  # with replacement
fn = lambda obj: obj.loc[np.random.choice(obj.index, size, replace),:]
df.groupby('Group_Id', as_index=False).apply(fn)

有两种方法可以非常简单地做到这一点,其中一种不使用任何东西,只使用基本的panda语法:

df[['x','y']].groupby('x').agg(pd.DataFrame.sample)

对于50k行数据集,这需要14.4ms。

另一种稍微快一点的方法涉及numpy。

df[['x','y']].groupby('x').agg(np.random.choice)

对于(相同的)50k行数据集,这需要10.9ms。

一般来说,在使用panda时,最好使用其原生语法。尤其是初学者。

df.groupby('Group_Id').sample(n=1)

1.1.0版本中的新增功能。 https://pandas.pydata.org/pandas-docs/stable/reference/api/pandas.core.groupby.DataFrameGroupBy.sample.html

在优雅的单行中使用groupby和random.choice:

df.groupby('Group_Id').apply(lambda x :x.iloc[random.choice(range(0,len(x)))])

对于每组仅随机选择一行,请尝试:

df.sample(frac = 1.0).groupby('Group_Id').head(1)

如果一组的样本少于所需的样本量,则提供的解决方案将失败 n 。这解决了这个问题:

n = 10
df.groupby('Group_Id').apply(lambda x: x.sample(min(n,len(x)))).reset_index(drop=True)

一种非常像熊猫的方式:

takesamp = lambda d: d.sample(n)
df = df.groupby('Group_Id').apply(takesamp)

使用 random.choice ,你可以这样做:

import random
name_group = {'AAA': 1, 'ABC':1, 'CCC':2, 'XYZ':2, 'DEF':3, 'YYH':3}

names = [name for name in name_group.iterkeys()] #create a list out of the keys in the name_group dict

first_name = random.choice(names)
first_group = name_group[first_name]
print first_name, first_group

random.choice(seq)

Return a random element from the non-empty sequence seq. If seq is empty, raises IndexError.

您可以使用 pandas.groupby , pandas.concat 和 random.sample :

import pandas as pd
import random

df = pd.DataFrame({
        'Name': ['AAA', 'ABC', 'CCC', 'XYZ', 'DEF', 'YYH'],
        'Group_ID': [1,1,2,2,3,3]
     })

grouped = df.groupby('Group_ID')
df_sampled = pd.concat([d.ix[random.sample(d.index, 1)] for _, d in grouped]).reset_index(drop=True)
print df_sampled

输出:

   Group_ID Name
0         1  AAA
1         2  XYZ
2         3  DEF

我找到了另一个:

size=2
count_s = df['Id'].value_counts()
df.iloc[np.concatenate([previous_count + np.random.choice(count, size) 
                        for count, previous_count in zip(count_s, 
                                                         count_s.shift(fill_value=0))])]

您可以使用 sample 和 drop_duplicates :

df.sample(frac = 1.0).drop_duplicates('Group_Id', ignore_index=True)