Python 熊猫：按分组并选择间隔均匀的行

下面是我的datafame，按视频ID时间戳排序（为了简单起见，时间戳列已被删除）

每个cameraId有4-100个视频。我需要为每一个摄像机选择4个视频，并且间隔均匀。例如，如果一个cameraId有100个视频，我应该选择视频[0,33,66,99]

这是我的方法，选择第一个和最后一个视频，然后随机抽样中间的2个

first_video = df.drop_duplicates(['cameraId'], keep='first')
last_video = df.drop_duplicates(['cameraId'], keep='last')
middle_videos = df.groupby(['cameraId']).apply(lambda x: x.sample(2, random_state=seed)).reset_index(drop=True)
df = pd.concat([first_video, middle_videos, last_video])

中间的视频通常间隔不均匀，这就是我被卡住的地方

---

每个摄像头的输出应为4行RAID

如果您总是想要这2个百分位，一种快速的方法是只设置一些小函数，您可以在这些函数上进行聚合：

In [44]: df = pd.DataFrame({
    ...:     'id': [1] * 10 + [2] * 10 + [3] * 20,
    ...:     'file': ['f{}'.format(i) for i in range(10)] +
    ...:             ['f{}'.format(i) for i in range(10,20)] +
    ...:             ['f{}'.format(i) for i in range(20,40)]
    ...: })

In [45]: def pct33(s):
    ...:     return s.iloc[int(len(s) * .33)]
    ...:

In [46]: def pct66(s):
    ...:     return s.iloc[int(len(s) * .66)]
    ...:

In [47]: df.groupby('id').agg({'file': ['first', pct33, pct66, 'last']}).unstack()
Out[47]:
             id
file  first  1      f0
             2     f10
             3     f20
      pct33  1      f3
             2     f13
             3     f26
      pct66  1      f6
             2     f16
             3     f33
      last   1      f9
             2     f19
             3     f39
dtype: object

---

您也可以根据需要删除额外的索引级别或稍后使用它们。

添加上述示例的输出。数据帧有100k行，每个摄像头的输出将为4行，这将很难显示。因此，请使用一个

cameraId

提供数据，例如。，10个视频。哇，我不知道你可以像那样先打

再打
再打
最后一个
。我想知道的是，如果我想要10个视频均匀分布，我是否必须先编写8个pct函数（
first，pct2，pct3，…，pct8，pct9 last
），对于更多的文件，你可以做类似于
df.groupby（“id”）.apply（lambda x:x.iloc[[int（len（x）*I/10）的操作，比如为范围（10）]）
虽然这可能需要一些调整。实际上，可能只需将范围（11）中的i的内部部分更改为
int（（len（x）-1）*i/10）
即可满足您的需要
In [44]: df = pd.DataFrame({
    ...:     'id': [1] * 10 + [2] * 10 + [3] * 20,
    ...:     'file': ['f{}'.format(i) for i in range(10)] +
    ...:             ['f{}'.format(i) for i in range(10,20)] +
    ...:             ['f{}'.format(i) for i in range(20,40)]
    ...: })

In [45]: def pct33(s):
    ...:     return s.iloc[int(len(s) * .33)]
    ...:

In [46]: def pct66(s):
    ...:     return s.iloc[int(len(s) * .66)]
    ...:

In [47]: df.groupby('id').agg({'file': ['first', pct33, pct66, 'last']}).unstack()
Out[47]:
             id
file  first  1      f0
             2     f10
             3     f20
      pct33  1      f3
             2     f13
             3     f26
      pct66  1      f6
             2     f16
             3     f33
      last   1      f9
             2     f19
             3     f39
dtype: object