根据具有列值的行数拆分数据框

Question

我有一个数据框，其中有一个动物列，其中包含不同的动物（比如 ["cat"、"dog"、"lion"]）作为行和对应于每只动物的值。 有 10 种独特的动物，每种动物有 50 个条目。 这些动物没有任何特定的顺序。

我想将数据框分成两部分，一个包含每只动物 40 只，另一个包含每只动物 10 只。 也就是说，一个数据框应该包含 40 只猫、40 条狗等，而另一个数据框应该包含 10 只猫、10 条狗等。

任何帮助将不胜感激。

我试图按唯一值排序，但没有成功。 我对 Pandas 还不是很熟悉，这是我第一次使用它。

编辑：

添加一个更好的例子来说明我需要什么

动物	价值
狗	12
猫	14
狗	10
猫	40
狗	90后
狗	80
猫	30
狗	20
猫	20
猫	23

我想把它分成 2 个数据框。 在这个例子中，第一个数据框每只动物有 3 个，另一个数据框每只动物有 2 个。

动物	价值
狗	12
狗	10
狗	90后
猫	14
猫	40
猫	30

动物	价值
狗	80
狗	20
猫	20
猫	23

Answer 1

这行得通吗？ df.groupby('animal', group_keys=False).apply(lambda x: x.sample(frac=0.2))然后，您可以从原始数据框中删除这些行，以创建每只动物 40 只的行。

Answer 2

您可以通过以下方式获取两个数据帧：

df_big = df.groupby('category').apply(lambda x: x.sample(frac=0.8)).reset_index('category', drop=True)
df_small = df.drop(df_big.index)

Answer 3

我们可以构造一个自定义函数，根据要求一个返回每个动物 40 个条目，另一个应包含 10 个条目的要求，返回两个 DataFrame，然后将该函数应用于按“动物”列分组的 DataFrame：

def split_df(df):
    df1 = df[df['value'] < 30]  # select rows where 'value' is less than 30
    df2 = df[df['value'] >= 30]  # select rows where 'value' is greater than or equal to 30
    return df1, df2

# apply the custom function to the DataFrame, grouped by 'Animal'
df1, df2 = df.groupby('Animal').apply(split_df)

print(df1)
print(df2)

产生的两个数据帧将作为结果打印到控制台。 在此示例中，第一个 DataFrame (df1) 中的每只动物将有四个条目，每个动物的最后 10 个项目将在第二个 DataFrame (df2) 中（在此示例中，每个动物有一个条目）。

Answer 4

从 @jmendes16 提案中可以看出，Pandas 真的很强大。

你没有提及但应该考虑的是，如果你想要 40 个任意选择的值或第一个/最后一个等。此外，最终顺序很重要。

如果你想熟悉 pandas，你可以尝试一步一步地做，通过选择它的部分并将它们组合起来。 例如。 如果你想得到前四十只狗，你可以这样做：

df_40 = df[df.Animal == "dog"].iloc[0:40]
df_10 = df[df.Animal == "dog"].iloc[40:50]

编辑：这不是一个有效的解决方案，而是一种教育解决方案；）。