从数据帧中选取随机值，以使生成的数据帧在python中的两列中是唯一的

以数据帧为例：

data = [['G1','P1',0.3], ['G1','P2',0.3], ['G1','P3',0.3],['G2','P1',0.3],['G2','P2',0.3],['G3','P2',0.3]] 
df2 = pd.DataFrame(data, columns = ['GT', 'PRED','ACC']) 

df2如下所示：

    GT  PRED    ACC
0   G1  P1      0.3
1   G1  P2      0.3
2   G1  P3      0.3
3   G2  P1      0.3
4   G2  P2      0.3
5   G3  P2      0.3

目标是选择随机行，以便唯一地选择GT和PRED中的值。 从其他堆栈溢出搜索中，我得到以下代码：

size = 1        # sample size
replace = False # with replacement
fn = lambda obj: obj.loc[np.random.choice(obj.index, size, replace),:]
pt = df2.groupby('PRED', as_index=False).apply(fn)

谁的输出是

    GT  PRED    ACC
0   G1  P1      0.3
1   G1  P2      0.3
2   G1  P3      0.3

我的预期输出应该是

    GT  PRED    ACC
0   G1  P3      0.3
1   G2  P1      0.3
2   G3  P2      0.3

也就是说，在筛选时，我们正在确保GT和PRED是唯一的。我可以通过在for-a循环中生成df之后应用函数来确保这一点。我想避免这样

这可能是一种方法

使用

'GT'

和

'PRED'

列的唯一值创建数组。可以使用该方法获得它们

使用

numpy

洗牌每个数组（这将给你随机性）

使用乱序数组创建数据帧

对。此数组的每一行将是一对随机选择的
'GT'
和
'PRED'
唯一值

使用pandas

apply

和一些布尔逻辑，搜索

df2

中哪些行具有有效的

'GT'

和

'PRED'

对，即

对中存在的对

仅从

df2

中选择这些行以获得输出

翻译成工作代码后，这是：

gt_u = df2['GT'].unique()
pred_u = df2['PRED'].unique()

np.random.shuffle(gt_u)
np.random.shuffle(pred_u)

pairs = pd.DataFrame({'GT':gt_u, 'PRED':pred_u})    
#pairs = pd.DataFrame([[x, y] for x, y in zip(gt_u, pred_u)], columns=['GT', 'PRED'])

sel = df2.apply(lambda x : (x[['GT', 'PRED']] == pairs).all(axis=1).any(axis=0), axis=1)
out = df2.loc[sel]

---

注意：如果不确定唯一数组的长度是否相等，请使用注释行生成

对
df2.groupby（['GT'，'PRED']，as_index=False）。apply（fn）
？无效。这将无法确保GT和PRED各自是唯一的。G2将在结果中出现两次原始df没有GT和PRED的所有可能组合。使用纯随机选择可能会错过一些有效的组合。你同意吗？是的，没错