为每组获取一个随机样本，并以分层样本熊猫结束

Question

我正在使用这样的数据框：

group    period
  A      20130101
  A      20130201
  .          .
  E      20130901
  E      20131001

假设我有 100 个不同的组和 10 个可能的日期，它们的分布如下： [.1,.05,.2,.05,.1,.1,.2,.05,.05,.1] 。 我需要为每组获取一个样本，因此最终样本的 10% 来自第一期，5% 来自第二期，20% 来自第三期，依此类推。 我设法为每个组获得了一个随机样本，但它严重倾斜，如下所示：

fn = lambda obj: obj.loc[np.random.choice(obj.index, 1, replace=False),:]
dfrd = df[['group','period']].groupby('group', as_index=False).apply(fn)
dfrd.index = [index[1] for index in dfrd.index]

那么，有没有办法做一些类似但分层的事情？ 谢谢

Answer 1

您可以使用np.random.choice p参数：

df1 = (df
      .groupby('grp')
      .apply(lambda x: np.random.choice(x['period'].values, size=1, p=prob)[0])
      .reset_index()
      .rename(columns={0:'period'}))

  grp      period
0   A  2013-01-03
1   B  2013-01-04
2   C  2013-01-04
3   D  2013-01-03

样本数据

period = list(map(str, pd.date_range(start='20130101', freq='D', periods=10).date))
grp = sorted(['A','B','C','D']*10)
prob = [.1,.05,.2,.05,.1,.1,.2,.05,.05,.1]

df = pd.DataFrame({'grp': grp, 'period': period*4})