Python 基于字典的熊猫示例

我正在尝试对基于字典和特定列的pandas数据帧进行采样。因此，对于

y

列的每个值，我确切地知道我想要选取多少个观察值

我可以通过

groupby

apply

组合执行此操作，如下所示：

import pandas as pd

df = pd.DataFrame({'y': [2,2,0,0,0,1,1,1,1,1], 'x': 1, 'z': 2})

    y   x   z
0   2   1   2
1   2   1   2
2   0   1   2
3   0   1   2
4   0   1   2
5   1   1   2

sizes = {0: 2, 1: 1, 2:1}

df.groupby('y').apply(lambda x: x.sample(sizes[x['y'].values[0]]))

y x z

02 01 2 4 0 1 2 1 5 1 1 2 2002112

但是，如果我使用

unique

而不是

values

（这应该是等效的，我会在数据帧上得到一个奇怪的

KeyError:'y'

错误：

df.groupby('y').apply(lambda x: x.sample(sizes[x.y.unique()[0]]))

有人能解释为什么会这样吗

编辑：

---

这发生在

0.23.1

上，但不是在

0.23.1

上，因此这可能是一个错误。

我认为您需要

。name

属性：

df1 = df.groupby('y').apply(lambda x: x.sample(sizes[x.name]))
print (df1)

     y  x  z
y           
0 4  0  1  2
  2  0  1  2
1 6  1  1  2
2 0  2  1  2

如果可能，字典中的某些值不匹配，请将

get

与

0

用于不匹配的值：

df1 = df.groupby('y').apply(lambda x: x.sample(sizes.get(x.name, 0)))

编辑：

问题是

unique

返回一个元素numpy数组：

def f(x):
    print (x['y'].unique())
    print (x['y'].unique()[0])
    print (sizes[x['y'].unique()[0]])
    print (x.sample(sizes[x['y'].unique()[0]]))

df1 = df.groupby('y').apply(f)

[0]
0
2
   y  x  z
2  0  1  2
4  0  1  2
[0]
0
2
   y  x  z
4  0  1  2
2  0  1  2
[1]
1
1
   y  x  z
6  1  1  2
[2]
2
1
   y  x  z
0  2  1  2

---

---

您正在按

y

进行分组，然后再次采用

y

的唯一性？每个迭代x都按

y

对对象进行分组。您认为

df.groupby（'y'）.apply（lambda x:x.sample（大小[df.y.unique（）[0]]）吗

？

x.name

更优雅，我不知道。但为什么另一个给我一个错误？@niczky12-添加到解决方案中-用于调试的是创建函数

f

与

lambda func

相同，所以

df.groupby（'y'）。应用（lambda x:x.sample（大小[x.y.unique（）[0]]））

应该可以工作，对吗？但我仍然会遇到同样的错误。你确认这是熊猫中的一个范围错误吗？@niczky12-是的，对我来说它在

pandas 0.23.4

下工作，可能是版本相关的问题。哦，好的。我在

0.23.1

上。谢谢检查！

df1 = df.groupby('y').apply(lambda x: x.sample(sizes[x.y.unique()[0]]))
print (df1)
     y  x  z
y           
0 4  0  1  2
  2  0  1  2
1 6  1  1  2
2 0  2  1  2