Python-如何保留X%的数据？

我有这样的数据，比如制表符分隔格式：

Sample  Dog Cat Tarsier
A47 1   7   2
A48 3   3   4
A51 2   1   8
A53 0   0   0
A54 1   7   2
A57 0   0   10

其中，尽管此处可能不清楚，但样本名称位于第1列，值对应于狗、猫或眼镜猴。我想保留每个示例90%的数据，并在PYTHON中删除其余的数据。例如，对于示例A47，我希望检索如下内容：

      Cat   Tarsier
A47    7       2

这对我来说很困难，因为每个样本都需要3条信息：样本名称、动物和数量。 有什么想法吗？提前谢谢

---

根据下面的注释，第二行可以包括所有数字，但不包括可能存在的所有其他数字（未显示）。这是因为，在本例中，如果没有第二个3，则数据少于90%，这可能比拥有>90%的数据更糟糕。如何做到这一点超出了我的PYTHON编程技能

如果我是对的，您删除了“dog”，因为假设您使用的是Python 3（它可能在Py2中也可以工作，但我不知道），只需将其视为由制表符而不是逗号分隔的CSV即可--

该函数将返回一个如下所示的集合--

---

从这里开始，决定扔掉哪个值只是一个数学问题。当然，您也可以在for循环中进行计算并返回所需的值。我只是想返回一组可以由许多其他函数来播放的值，所以我就这样做了。

< P>我强烈建议您考虑。

使用NumPy，您可以定义所谓的结构化数组，即每行由不同字段组成的数组，您可以直接命名和访问这些字段

假设您的数据存储在一个以制表符分隔的文件

data.dat

，使用您描述的格式，您可以这样做

>>> data = np.genfromtxt('data.txt', delimiter="\t", names=True, dtype=None)

函数从

'data.txt'

读取数据，沿

分隔符将每一行拆分，使用第一行获取字段名称（
names=True
），并猜测每个字段的数据类型（
data=None
）。以你为例，我明白了

data = array([('A47', 1, 7, 2), ('A48', 3, 3, 4), ('A51', 2, 1, 8),
       ('A53', 0, 0, 0), ('A54', 1, 7, 2), ('A57', 0, 0, 10)], 
      dtype=[('Sample', '|S3'), ('Dog', '<i8'), ('Cat', '<i8'), ('Tarsier', '<i8')])

简而言之，您可以按自己的方式筛选数据。
除非我误解了您的意思，否则您实际上只保留了示例中80%的数据。您想从三个类别中随机移除样本，还是应该对其进行加权（即每个样本移除的机会均等）？90%应该是硬限制还是平均值？不，只是打字错误。固定现在硬限制会更好第二个样本呢？哦，刚刚看到我只回答了一个问题。我只想从每个样本中删除那些列、dog、cat或tarsier。每一个都有相同的机会，只要90%的数据仍然存在，现在我意识到我在逻辑上创造了一个缺口，正如上面关于第二个样本的评论，哪个值会被丢弃（都是3）？理想情况下，我会有一个排序列表或字典，如果百分比截止到这一点，我会随机选择第一个并删除其余的。也就是说，除非有人能想出更好的方法。是的，我通常以类似的方式开始我的程序。但是，尽管我可以在excel中完成这项工作，或者像你说的那样，通过一些简单的数学运算，但将其合并到python中是我提出这个问题的原因。不一定是怎么开始的。我想我不明白这个问题。这是关于如何在Python中实现的吗？或者是关于如何计算的问题？哎呀，我迟到了，我在C区交叉发帖：），但逻辑还是一样的
import csv

def getvals(file):
    """
        gets the val's from a file of whitespace separated values, and 
        turns them into easy to use Python var's
    """
    samples = csv.reader(open(file))
    s = []
    n = 0
    for row in samples:
        r = [row[0].split()]
        s += r
        n+=1
    return s

[
 ['Sample', 'Dog', 'Cat', 'Tarsier'], 
 ['A47', '1', '7', '2'], 
 ['A48', '3', '3', '4'], 
 ['A51', '2', '1', '8'], 
 ['A53', '0', '0', '0'], 
 ['A54', '1', '7', '2'], 
 ['A57', '0', '0', '10']
]

>>> data = np.genfromtxt('data.txt', delimiter="\t", names=True, dtype=None)

data = array([('A47', 1, 7, 2), ('A48', 3, 3, 4), ('A51', 2, 1, 8),
       ('A53', 0, 0, 0), ('A54', 1, 7, 2), ('A57', 0, 0, 10)], 
      dtype=[('Sample', '|S3'), ('Dog', '<i8'), ('Cat', '<i8'), ('Tarsier', '<i8')])

>>> data[["Cat","Tarsier"]]
array([(7, 2), (3, 4), (1, 8), (0, 0), (7, 2), (0, 10)], 
  dtype=[('Cat', '<i8'), ('Tarsier', '<i8')])

>>> data[[0,2]]
array([('A47', 1, 7, 2), ('A51', 2, 1, 8)], 
     dtype=[('Sample', '|S3'), ('Dog', '<i8'), ('Cat', '<i8'), ('Tarsier', '<i8')])

>>> data["Dog"].mean()
1.1666667