Python 熊猫：如何根据频率分布将一列遵循幂律的数据帧一分为二？

我有一个100万条记录的数据框，有5列

unique_index,name,company_name,city_id,state_id

列，

company\u name

，具有10万条唯一记录。这遵循幂律。前5000名

公司名称

覆盖了70%的记录

我想从数据排名前5000位的公司和剩余的公司中抽取相同数量的样本

我尝试了

pd.qcut（df['company\u name'，[0.25,1]

。这给了我以下错误：

---

TypeError:unorderable types:str（）你可以尝试通过
value\u counts（）
来抓取排名靠前的公司，然后用
True/False
创建一个新的列，如果它在排名靠前的公司之内/之外。我想它看起来会像这样：

top5000 = df['company_name'].value_counts().index[0:5000].tolist()
df['InTop'] = df['company_name'].isin(top5000)

这将允许您从
df['InTop']==True
组和
df['InTop']==False