如何保留来自熊猫DataFrame的一定百分比的数据？

Question

假设我有一个这样的pandas DataFrame：

CustomerId    Product
1             Apple
2             Orange
3             Apple
4             Watermelon
...           ...
1000          Apple

假设我在“产品”栏中有500个苹果。 我想使用一个DataFrame，该DataFrame包含500个苹果中的10％（以及其他类别的100％，也就是说，我希望有一个550行的DataFrame）。 有没有办法有效地做到这一点？ 可以随机选择剩下的10％的苹果吗？

Answer 1

您可以为此使用df.sample ，它返回一个随机的项目样本：

condition = df['Product'] != 'Apple'
df_all = df[condition] #This data frame has 100% of all products
df_apple = df[~condition]
percent = int(o.1*df_apple.shape[0]) # calculate 10% of Apple products
df_all = df_all.append(df_all.sample(percent)) #Append random items of apple to df_all

当然，数据帧的数量可以减少，更多的变量用于更好地理解。

Answer 2

查找苹果行：

apples = df["Product"] == 'Apple'

随机选择要保留的行：

HOW_MANY = 0.1 # 10%
keep = np.random.binomial(1, HOW_MANY, size=apples.sum()).astype(bool)

合并非苹果行和苹果行以保持：

results = pd.concat([df[~apples], df[apples][keep]])