根據特定列值從pandas數據幀中采樣

Question

我有包含search_id的pandas數據框df，我想將df隨機采樣到訓練和測試集中，其中訓練和測試集都具有不同的search_id。 Search_id不是唯一的，並且每個search_id都有多個條目，但是我希望訓練和測試數據應具有不同的search_id。 我可以找到的是常規采樣，但沒有找到如何使用search_id進行拆分的方法：

train=df.sample(frac=0.8,random_state=200)
test=df.drop(train.index)

Answer 1

如果您確實想這樣做，我們可以使用sklearn

from sklearn.model_selection import (TimeSeriesSplit, KFold, ShuffleSplit,
                                     StratifiedKFold, GroupShuffleSplit,
                                     GroupKFold, StratifiedShuffleSplit)
GS = GroupShuffleSplit(n_splits=1, test_size=0.3)
tid,trid=next(GS.split(X=df, y=df['Target'], groups=df['Group_ID']))
train , test = df.iloc[tid] , df.iloc[trid]