Python 将数据帧拆分为具有唯一值的块

我有两个组（

a

和

B

）的数据帧，在这些组中有6个子组（

a

，

B

，

c

，

d

，

e

和

f

）。示例数据如下：

index   group    subgroup    value
0       A        a           1
1       A        b           1
2       A        c           1
3       A        d           1
4       A        e           1
5       A        f           1
6       B        a           1
7       B        b           1
8       B        c           1
9       B        d           1
10      B        e           1
11      B        f           1
...     ...      ...         ...

虽然我在这里只列出了12行，但实际数据集中有300行。我试图将数据帧随机分成50批，共6个值。重要的是，每个批次应具有每个子组中的1个，并且组的分布大致相等

期望输出：

index   group    subgroup    batch
0       A        a           1
1       A        b           1
2       A        c           1
3       B        d           1
4       B        e           1
5       B        f           1
6       A        d           2
7       A        e           2
8       A        f           2
9       B        a           2
10      B        b           2
11      B        c           2
...     ...      ...         ...

---

在我的数据集中，有150个

A

和150个

B

，但不幸的是，没有相同数量的子组（例如，我有25个

A

s，27个

B

s，23个

c

s等，包含

A

），因此如果批次1-48包含唯一的子组（即每个A-f中的1个），则会是首选的，但是，第49批和第50批的剩菜没有被平均分配——我需要在事后手动随机分配！最重要的是，一个批次中每个子组都有一个，但一个批次中正好有3个

a

s和3个

B

s则不那么重要。谢谢大家!

对于批次1-48，此解决方案从每个

子组

中仅挑选一个元素。批次49-50随机抽取。不考虑

A

s和

B

s中的数字

逻辑

通过对每个子组的索引执行随机排列来洗牌每个子组

每个子组的第一个元素构成第一批，第二个元素构成第二批，以此类推

代码 输出 常规批次 我们可以看到，在每个批次中，每个子组确实有一个元素

print(df.sort_values(["batch", "subgroup"]).head(13))

      group subgroup  value  batch
index                             
48        A        a    480      1
13        A        b    130      1
134       A        c   1340      1
171       B        d   1710      1
262       B        e   2620      1
5         A        f     50      1
240       B        a   2400      2
291       B        b   2910      2
152       B        c   1520      2
93        A        d    930      2
136       A        e   1360      2
59        A        f    590      2
24        A        a    240      3

其余的

---

-谢谢你的评论代码！这对于将独特的子组分为批非常有效，但您能否就如何在每个批中获得大致相等的

group

分布给出建议？不幸的是，我现在想不出一种方法，否则我已经这样做了。我所能想到的每一种策略都无法阻止极端情况的发生。例如，（1）某个

（组、子组）

的早期耗尽，或（2）在所有其他

子组

耗尽后，某个

子组

中仍有太多未勾选的条目。我甚至不确定这是否能在多项式时间内完成。因此，我首先选择了最低要求。

print(df.sort_values(["batch", "subgroup"]).head(13))

      group subgroup  value  batch
index                             
48        A        a    480      1
13        A        b    130      1
134       A        c   1340      1
171       B        d   1710      1
262       B        e   2620      1
5         A        f     50      1
240       B        a   2400      2
291       B        b   2910      2
152       B        c   1520      2
93        A        d    930      2
136       A        e   1360      2
59        A        f    590      2
24        A        a    240      3

print(df.sort_values(["batch", "subgroup"]).tail(13))

      group subgroup  value  batch
index                             
29        A        f    290     48
120       A        a   1200     49
222       B        a   2220     49
276       B        a   2760     49
61        A        b    610     49
133       A        b   1330     49
289       B        b   2890     49
98        A        c    980     50
206       B        c   2060     50
45        A        d    450     50
295       B        d   2950     50
166       B        e   1660     50
233       B        f   2330     50