如何随机选择每组固定数量的行（如果更大），否则选择熊猫中的所有行？

Question

示例数据框：

    Name Group_Id
    AAA  1
    ABC  1
    BDF  1
    CCC  2
    XYZ  2
    DEF  3 

如何为每个Group_Id随机选择固定数量的行？ 这个答案提出了一种使用方法：

df.groupby('Group_Id').apply(lambda x: x.sample(2)).reset_index(drop=True)

但是如果有任何少于2行的组，它会引发错误。 在这种情况下，我希望能够选择所有行。 .head()允许这样做，但我想要随机样本而不是初始行。

假设我希望每个Group_Id最多随机抽取Group_Id ，我会得到：

    Name Group_Id
    AAA  1
    BDF  1
    CCC  2
    XYZ  2
    DEF  3

Answer 1

仅当您有更多行时，您才可以选择采样：

n = 2
(df.groupby('Group_Id')
   .apply(lambda x: x.sample(n) if len(x)>n else x  )
   .reset_index(drop=True)
)

您还可以尝试对整个数据和groupby().head()混洗：

df.sample(frac=1).groupby('Group_Id').head(2)

输出：

  Name  Group_Id
5  DEF         3
0  AAA         1
2  BDF         1
3  CCC         2
4  XYZ         2

Answer 2

您可以洗牌每个子组并取前 n 行。 它将自动取 n 或实际的最小值。

n=2
df2 = df.groupby('Group_Id').apply(lambda x: x.sample(frac=1)[:n]).reset_index(drop=True)