基于分位数的采样 dataframe（熊猫）

Question

我有一个数据框，我想根据参数num_samples对其进行采样。 我想基于年龄跨分位数统一采样。

例如，如果我的 dataframe 有 1000 行且num_samples =.5 ，我将需要采样 500 行，但每个分位数为 125。

我的 dataframe 的前几条记录是这样的：

Age  x1 x2 x3
12   1  1  2
45   2  1  3
67   4  1  2
11   3  4  10
18   9  7  6
45   3  5  8
78   8  4  7
64   6  2  3
33   3  2  2

我怎样才能在 python/pandas 中做到这一点？

Answer 1

创建一个列分位数，其中包含Age1的bin 。 然后使用 boolean 掩蔽和重新采样以从每个 bin 中采样，使用pd.concat连接每个 bin 获得的样本。

labels = ['q1', 'q2', 'q3', 'q4']
df['quantile'] = pd.qcut(df.Age, q = 4, labels = labels)

out = pd.concat([df[df['quantile'].eq(label)].sample(1) for label in labels])

印刷：

>>> out
   Age  x1  x2  x3 quantile
4   18   9   7   6       q1
8   33   3   2   2       q2
7   64   6   2   3       q3
2   67   4   1   2       q4

PS 对于采样 n 个样本，将sample(1)更改为sample(n) 。

Answer 2

从 Pandas 1.1.0 开始，有groupby().sample所以你可以这样做：

df.groupby(pd.qcut(df.Age, duplicates='drop')).sample(frac=0.5)