Python 分组后，熊猫为每组抽取不同的分数

现在从每个组中抽取样本，例如，我希望从组

b=1

中抽取30%，从组

b=0

中抽取20%。我该怎么做？

---

如果我想要某个组的150%，我可以这样做吗？

您可以从GroupBy对象中获取数据帧，例如，使用

分组。获取组（0）

。如果要从中采样，可以使用

.sample

方法。例如

grouped.get_group（0）。示例（frac=0.2）

给出：

import pandas as pd

df = pd.DataFrame({'a': [1,2,3,4,5,6,7],
                   'b': [1,1,1,0,0,0,0],
})

grouped = df.groupby('b')

---

对于您给出的示例，两个示例将只给出一个元素，因为这些组有4个和3个元素，并且

0.2*4=0.8

和

0.3*3=0.9

都是四舍五入到1。

您可以动态返回随机样本数据帧，其中每个组定义的样本百分比不同。通过传递

replace=True

，可以在百分比低于100%（参见示例1）和高于100%（参见示例2）的情况下执行此操作：

使用

np.选择

，创建一个新列

c

，该列返回根据您设置的20%、40%等百分比随机采样的每组行数

在此基础上，您可以根据这些百分比条件对每组进行x行采样。从这些行中，返回行的

.index

，并筛选带有

.loc

的行以及列

'a'、'b'

。代码

grouped.apply（lambda x:x['c'].sample（frac=x['c'].iloc[0]）

创建您正在查找的输出的多索引系列，但它需要一些清理。这就是为什么对我来说，获取

.index

并使用

.loc

过滤原始数据帧比尝试清理混乱的多索引系列更容易的原因

---

如果您想使用现有Cv值的副本返回更大的随机样本，只需传递

replace=True

。然后，进行一些清理以获得输出

grouped = df.groupby('b', group_keys=False)
df['c'] = np.select([df['b'].eq(0), df['b'].eq(1)], [0.4, 0.2])
df.loc[grouped.apply(lambda x: x['c'].sample(frac=x['c'].iloc[0])).index, ['a','b']]
Out[1]: 
   a  b
6  7  0
8  9  0
3  4  1

---

你说的20%和30%是什么意思？你是说你想从第0组中随机获得20%的项目，从第1组中随机获得30%的项目？您可以这样做，但由于您的组太小，因此对于此示例数据，每个组中只有一个项目。不确定有多少理由使用

np。请选择
。您可以只执行df.loc[db.b==0，'c']=0.3
和其他组的类似操作。无需将分数转换为整数，因为
sample
接受一个可以取一定比例的
frac
参数。@BrenBarn
np。选择
是因为存在多个条件
.loc
是一种方式，但
np。选择
通常适用于多种情况。您必须在多行代码上编写
.loc
。这没什么错。这只是一种不同的方法。我喜欢你的
。尽管如此，我还是喜欢你的
组（0）
代码。@BrenBarn Nvmd，我明白你现在使用
frac
的意思了。谢谢但是，如果指定一个
frac
>1，则这不起作用。我认为这也使得
np.select
比
.loc
在我看来更干净一点。
.reset\u index（）.rename（{'index'：'a'}，axis=1）
做什么@DavidErickson@user14862671这就是使用
reset\u index（）
时发生的情况。尝试：
。重命名（{'level_1'：'a'}，axis=1））
而不是
。重命名（{'index'：'a'}，axis=1））
grouped = df.groupby('b', group_keys=False)
df['c'] = np.select([df['b'].eq(0), df['b'].eq(1)], [0.4, 0.2])
df.loc[grouped.apply(lambda x: x['c'].sample(frac=x['c'].iloc[0])).index, ['a','b']]
Out[1]: 
   a  b
6  7  0
8  9  0
3  4  1

grouped = df.groupby('b', group_keys=False)
v = df['b'].value_counts()
df['c'] = np.select([df['b'].eq(0), df['b'].eq(1)],
                    [int(v.loc[0] * 1.2), int(v.loc[1] * 2)]) #frac parameter doesn't work with sample when frac > 1, so we have to calcualte the integer value for number of rows to be sampled.
(grouped.apply(lambda x: x['b'].sample(x['c'].iloc[0], replace=True))
        .reset_index()
        .rename({'index' : 'a'}, axis=1))
Out[2]: 
    a  b
0   7  0
1   8  0
2   9  0
3   7  0
4   7  0
5   8  0
6   1  1
7   3  1
8   3  1
9   1  1
10  0  1
11  0  1
12  4  1
13  2  1
14  3  1
15  0  1