Pandas 中不成比例的分層抽樣

Question

如何從以下數據框中的每組（列Name ）中隨機選擇一行：

   Distance   Name  Time  Order
1        16   John     5      0
4        31   John     9      1
0        23   Kate     3      0
3        15   Kate     7      1
2        32  Peter     2      0
5        26  Peter     4      1

預期結果：

Distance   Name  Time  Order

4        31   John     9      1
0        23   Kate     3      0
2        32  Peter     2      0

Answer 1

您可以在Name col 上使用groupby並應用sample

df.groupby('Name',as_index=False).apply(lambda x:x.sample()).reset_index(drop=True)

---

    Distance   Name  Time  Order
0        31   John     9      1
1        15   Kate     7      1
2        32  Peter     2      0

Answer 2

例如，您可以使用numpy函數random.permutation對所有樣本進行混洗。 然后groupby由Name和取N從每組第一行：

df.iloc[np.random.permutation(len(df))].groupby('Name').head(1)

Answer 3

你可以使用unique

df['Name'].unique()

Answer 4

打亂數據幀：

df.sample(frac=1)

然后刪除重復的行：

df.drop_duplicates(subset=['Name'])

Answer 5

df.drop_duplicates(subset='Name')



   Distance   Name  Time  Order
1        16   John     5      0
0        23   Kate     3      0
2        32  Peter     2      0

這應該會有所幫助，但這不是隨機選擇，它保留了第一個

Answer 6

如何使用隨機

像這樣，

導入您提供的數據，

df=pd.read_csv('random_data.csv', header=0)

看起來像這樣，

Distance  Name  Time  Order
1        16  John     5      0
4         3  John     9      1
0        23  Kate     3      0
3        15  Kate     7      1

然后得到一個隨機的列名，

colname = df.columns[random.randint(1, 3)]

並在其下方選擇“名稱”，

   print(df[colname])
1    John
4    John
0    Kate
3    Kate
Name: Name, dtype: object

當然，我可以將其濃縮為，

print(df[df.columns[random.randint(1, 3)]])