Python 从多索引数据帧采样

我正在使用名为

df_data

的

多索引
DataFrame
中的以下面板数据：

              y         x
n   time                    
0   0     0.423607 -0.307983
    1     0.565563 -0.333430
    2     0.735979 -0.453137
    3     0.962857  1.671106
1   0     0.772304  1.221366
    1     0.455327 -1.024852
    2     0.864768  0.609867
    3     0.334429 -2.567936
2   0     0.435553 -0.259228
    1     0.221501  0.484677
    2     0.773628  0.650288
    3     0.293902  0.566452

n
为个人编制索引（共有500人），
t
为时间编制索引。这是一个平衡的面板。我想随机抽取
nn=100人
进行替换。此外，如果个体进入随机样本，则该个体的所有4次观察（t=0,1,2,3）应分配给样本

下面这行几乎是我想要的：

df_sample = df_data.loc[np.random.randint(3, size=100).tolist()]

然而，它不会对个体进行重复取样。因此，如果创建的随机变量列表是[2,3,2,4,1，…]，那么第三个个体（索引=2是第三个个体）只被选择一次，而不是两次进入随机样本。这意味着，只要上面的随机向量多次包含同一个个体，我的随机样本中的个体就少于100个（每个个体有4次观察）。
我还尝试了
dfu data.sample
函数，但似乎无法处理面板中的特定多级索引。
我可以编写各种循环来完成这项工作，但我认为应该有一种更简单（更快）的方法。
我使用的是Python 3.5，我使用的是pandas版本0.17.1。
谢谢。
您可以使用
itertools.product
快速生成从
多索引中选择副本所需的格式：

样本数据：

from itertools import product
individuals = list(range(500))
time = (0, 1, 2, 3,)
index = pd.MultiIndex.from_tuples(list(product(individuals, time)))
df = pd.DataFrame(data={'A': np.random.random(size=2000), 'B': np.random.random(size=2000)}, index=index)

              A         B
0   0  0.208461  0.842118
    1  0.481681  0.096121
    2  0.420538  0.922363
    3  0.859182  0.078940
1   0  0.171162  0.255883
    1  0.338864  0.975492
    2  0.270533  0.504605
    3  0.691041  0.709189
2   0  0.220405  0.925001
    1  0.811951  0.479795
    2  0.010527  0.534866
    3  0.561204  0.915972
3   0  0.813726  0.083478
    1  0.745100  0.462120
    2  0.189111  0.552039
    3  0.006141  0.622969

使用
产品
将
np.random.randint
的结果与
时间
值相结合：

sample_ix = np.random.randint(low=0, high=500, size=100)

len(np.unique(sample_ix))

91

sample_multi_ix = list(product(sample_ix, time))

[(55, 0), (55, 1), (55, 2), (55, 3), (254, 0), (254, 1), (254, 2), (254, 3), ...]

并相应地选择：

sample = df.loc[sample_multi_ix, :]
sample.info()

MultiIndex: 400 entries, (55, 0) to (135, 3)
Data columns (total 2 columns):
A    400 non-null float64
B    400 non-null float64
dtypes: float64(2)
memory usage: 9.4+ KB

如果需要唯一的
样本
索引
，可以添加：

sample.index = pd.MultiIndex.from_tuples(list(product(list(range(100)), time))) 

MultiIndex: 400 entries, (0, 0) to (99, 3)
Data columns (total 2 columns):
A    400 non-null float64
B    400 non-null float64
dtypes: float64(2)

一个简单的解决方案：

subindex = df.index.get_level_values('sub_index')
sample_ids = np.random.choice(subindex, 5, replace=True)
sample = df[subindex.isin(sample_ids)].copy()

这对我来说很有效，它是对其他答案的一种补充：

subindex = df.index.get_level_values('id')
sample_ids = np.random.choice(subindex, 5, replace=False)
sample = df.loc[sample_ids]

我使用的是索引为[“id”，“other”]的df。它返回了5个id及其所有相关“其他”的样本。
嗨，Stefan，这是一个很好的解决方案，比我昨晚做的快30倍左右。要添加到解决方案中的一件事是重新为样本编制索引，以便索引再次唯一，并且可以在其上运行一些pandas函数（如OLS等）。类似这样：
individualsb=list（range（100））
和
indexb=pd.MultiIndex.from_tuples（list（product（individualsb，time））
和
sample=sample.set_index（indexb）
不客气，更新以消除
多索引中的重复。鉴于使用了
子索引，我不清楚是否会多次采样。isin（样本ID）
？请注意，这不会按照问题的要求实现替换采样