Python 按计数分层抽样

我想创建一个示例列，该列将按sId和cId均匀选择vcount：

现在我需要它为样本100工作，预期输出

      sId      cId  vcount  sample
0      s0       c0     322      50
1      s0       c1     168      50
2      s1       c2    1818      50
3      s1       c3      81      50
4      s2       c4   13114      90
5      s2       c5       5       5
6      s2       c6       3       3
7      s2       c7       2       2
8      s3       c8    1979      22
9      s3       c9    1561      22
10     s3      c10    1548      22
11     s3      c11    1009      23
12     s3      c12      11      11

如您所见，对于sId s2，有4个CID，因此我们希望每个CID中有25个；然而，一个1有超过25个，因此我们必须选择所有其他CID，并从c4中获取剩余的。同样，s0有2个cId，因此我们希望每个cId有50个，每个cId有50多个样本。对于s3，哪一个是最大的样本并不重要，我只需要分布尽可能均匀

目标是为每个sId选择所有cId，并尽可能均匀地划分100

我无法理解这一点，只能手动输入示例列；但是，当列表变大时，这不是一个合理的解决方案。

尝试以下方法：

从这个问题上抓取附近的东西。 Groupby sId和apply get_示例 使用vcount中的值为样本列加素数。 创建vcount掩码，其中小于组中的总样本/行数 从vcount获取一系列值，其中值小于最小采样值 将vcount比min sample大GTE的掩模反比样本分配给剩余样本的均匀分布。 作为pd进口熊猫 数据帧{'sId'：{0:'s0'，1:'s0'，2:'s1'，3:'s1',， 4:'s2'，5:'s2'，6:'s2'，7:'s2'， 8:'s3'，9:'s3'，10:'s3'，11:'s3'， 12:'s3'}， 'cId'：{0:'c0'，1:'c1'，2:'c2'，3:'c3'， 4:'c4'，5:'c5'，6:'c6'，7:'c7'， 8:'c8'，9:'c9'，10:'c10'，11:'c11'， 12:'c12'}， ‘vcount’：{0:322，1:168，2:1818，3:81， 4: 13114, 5: 5, 6: 3, 7: 2, 8: 1979, 9: 1561, 10: 1548, 11: 1009, 12: 11}} 控制变量 样本总数=100 def近_splitx，数量_箱： 如果num_bins请尝试以下方法：

从这个问题上抓取附近的东西。 Groupby sId和apply get_示例 使用vcount中的值为样本列加素数。 创建vcount掩码，其中小于组中的总样本/行数 从vcount获取一系列值，其中值小于最小采样值 将vcount比min sample大GTE的掩模反比样本分配给剩余样本的均匀分布。 作为pd进口熊猫 数据帧{'sId'：{0:'s0'，1:'s0'，2:'s1'，3:'s1',， 4:'s2'，5:'s2'，6:'s2'，7:'s2'， 8:'s3'，9:'s3'，10:'s3'，11:'s3'， 12:'s3'}， 'cId'：{0:'c0'，1:'c1'，2:'c2'，3:'c3'， 4:'c4'，5:'c5'，6:'c6'，7:'c7'， 8:'c8'，9:'c9'，10:'c10'，11:'c11'， 12:'c12'}， ‘vcount’：{0:322，1:168，2:1818，3:81， 4: 13114, 5: 5, 6: 3, 7: 2, 8: 1979, 9: 1561, 10: 1548, 11: 1009, 12: 11}} 控制变量 样本总数=100 def近_splitx，数量_箱：

---

如果数量大于100，您能否澄清为什么s1为50/50，而它只有一个大于100？s1有两个cId，两个都大于50，因此我们可以从每个cId中抽取50个样本。然而，这种逻辑不适用于s2/s3。我更新了注释，以澄清为什么s1为50/50，而只有一个大于100？s1有两个cId，两个都大于50，因此我们可以从每个cId中抽取50个样本。然而，这种逻辑不适用于s2/s3。我将笔记更新为clarifynice work+1。定义min\u sample=total\u sample/get\u sample中的行怎么样？哇，太棒了@你能告诉我你的代码是如何工作的吗？我已经更新了我的答案，加入了@tdy的建议。在您更新的解释Nice work+1之前，我最初将过滤硬编码为50个样本。定义min\u sample=total\u sample/get\u sample中的行怎么样？哇，太棒了@你能告诉我你的代码是如何工作的吗？我已经更新了我的答案，加入了@tdy的建议。在您更新解释之前，我最初将过滤硬编码为50个样本

      sId      cId  vcount  sample
0      s0       c0     322      50
1      s0       c1     168      50
2      s1       c2    1818      50
3      s1       c3      81      50
4      s2       c4   13114      90
5      s2       c5       5       5
6      s2       c6       3       3
7      s2       c7       2       2
8      s3       c8    1979      22
9      s3       c9    1561      22
10     s3      c10    1548      22
11     s3      c11    1009      23
12     s3      c12      11      11

   sId  cId  vcount  sample
0   s0   c0     322      50
1   s0   c1     168      50
2   s1   c2    1818      50
3   s1   c3      81      50
4   s2   c4   13114      90
5   s2   c5       5       5
6   s2   c6       3       3
7   s2   c7       2       2
8   s3   c8    1979      23
9   s3   c9    1561      22
10  s3  c10    1548      22
11  s3  c11    1009      22
12  s3  c12      11      11