Python 如何对dataframe的行进行采样/分组，以修复组内的特定分布？

我有一个数据框

c

，包含一列

a

import numpy as np
a = np.random.randint(0,10, size=(100))
c = pd.DataFrame(a, columns=['a'])

我想对

c

的行进行随机分组，这样每个组中有5行

a<3

例如：

[1,2,3,2,10]  <-- good group 
[1,1,3,4,6]  <-- good group
[2,4,7,3,7] <-- bad group

这种方法的问题是，我不能将这种方法推广到子集相互重叠的更复杂的情况。比如

最多2行

a>2

和至少1行'a==3'

---

我不知道如何以这样的方式编码，以最大限度地利用这个分组获得组数。例如，如果a==3非常有限，那么我不希望a>2选择3，即使它满足它的条件

我不确定，但我认为您描述的问题是NP完全问题，为此，我建议您考虑一种启发式方法来找到满意的解决方案。为此，您可以编写一个贪婪启发式，如下所示：

def is_satisfying(group):
...     if (np.sum(group > 2) > 2) or (np.sum(group == 3) < 1): 
...             return False
...     else:
...             return True

---

为了标记已经添加到组中的元素，您可以使用一些数据结构，使您能够在采样之前过滤数据帧。但是，我可以看到在某些用例中，您可能希望跨多个列设置条件。例如，在一组人的数据集中，我想把人分成5组，这样至少有一个人年龄在20-29岁之间，他们拥有学士学位，其中a是年龄，b是教育水平。这是我所采用的一种方法，只是觉得使用while循环和随机抽样非常低效。此外，如果我不能进入第四组，我可能会陷入无限循环（但我想我可以使用计数器检查它运行了多少次）。谢谢你的建议。

def is_satisfying(group):
...     if (np.sum(group > 2) > 2) or (np.sum(group == 3) < 1): 
...             return False
...     else:
...             return True

group = []
while len(group) != 4 : 
...     np.append(group, df['a'].sample(n=1))
...     if not is_satisfying(group):
...             group = group[:-1]