Python 基于标准的样本

我希望使用pandas函数，但不使用分组或筛选数据的条件

import pandas as pd
import numpy as np

df = pd.DataFrame(np.random.randint(low=0, high=5, size=(10000, 2)),columns=['a', 'b'])

print df.sample(n=100)

---

这将对100行进行采样，但是如果我想在

df['a']

中对包含0到50行（包含1）的50行进行采样，您可以使用

=

操作符创建布尔值列表*。当所述列表被放入getter（

[]

）时，它将过滤这些值。如果需要，可以使用

n=50

创建50行的样本大小

新代码 完整代码 *在本文中，列表并不是一个字面意义上的列表，但它是一个解释其工作原理的好词。从技术上讲，它是一个将行映射为真/假值的数据帧

更模糊的数据帧采样 如果要对a为1或0的所有50个样本进行采样：

print(df[(df['a']==1) | (df['a']==0)].sample(n=50))

如果你想各抽取50个样本：

df1 = df[df['a']==1].sample(n=50)
df0 = df[df['a']==0].sample(n=50)
print(pd.concat([df1,df0]))

---

当然但是如果您需要从

df['a']==1

和

df['a']==0

中各抽取50个样本，而不使用一些奇怪的if语句和拆分数据，该怎么办etc@destinychoice更新了我的答案。我明白了。但后一种方法最终会有两个数据帧，每个数据帧都是50，其中一个df应该包含100个值？@destinychoice更新。如果我真的帮了忙，如果你能标记为“解决方案/投票表决”，那会很有帮助。@Neil我怎么才能添加多个条件？例如，如果我想根据列a=1、b=5、Z=“Michael”…等进行采样

print(df[(df['a']==1) | (df['a']==0)].sample(n=50))

df1 = df[df['a']==1].sample(n=50)
df0 = df[df['a']==0].sample(n=50)
print(pd.concat([df1,df0]))