Python 为了审计目的而对唯一值进行迭代？

假设我们在dataframe df2中有一个独特类别的列表：

categories = df2['Category'].unique()

我想循环df2中的每个类别，将其与上面的变量类别匹配，并应用lambda函数。语法是什么

我尝试了以下方法：

df2.loc[df2.Category == categories, :].apply(lambda x: x.sample(n=3) if 
x.size*0.01 < 3 else x.sample(frac=0.01))

---

我认为，我得到的错误是因为df.Category比categories长，因为df.Category是所有类别的列表，这些类别都是重复的，这就是我尝试.unique（）的原因。有没有办法解决这个问题，让我的代码正常工作？谢谢你抽出时间

以下是我的建议：

#我复制数据集
作为pd进口熊猫
将numpy作为np导入
np.随机种子（123）
df1=pd.DataFrame（{“Category”：np.arange（0,20）。重复（5），
“值”：np.random.random（20*5）}）
df2=pd.DataFrame（{“Category”：np.arange（20,40）。重复（500），
“值”：np.random.random（20*500）}）
df=pd.concat（[df1，df2]）#我对这两个进行concat以获得不同的类别大小
df2=（df.groupby（“类别”）。如果x.size*0.01<3，则应用（λx:x.sample（n=3
其他x.样本（分数=0.01））
.drop（columns=“Category”））

您可以看到，您得到了一个包含类别的多重索引，以及样本中每个类别的观察值索引。从0到19的类别有3个样本，上述类别有5个样本

               value
Category            
0        1  0.286139
         4  0.719469
         2  0.226851
1        9  0.392118
         7  0.684830

---

df2['Category'].unique（）

是一个您可能需要使用的列表

isin

，但从理论上讲，

df2['Category]

中的每个值都将返回True…您的预期输出是什么？我试图从数据帧中的每个类别中获取样本，而不是从整个数据帧中获取样本。

               value
Category            
0        1  0.286139
         4  0.719469
         2  0.226851
1        9  0.392118
         7  0.684830