如何在Python中使用for循环从每个类别中选择数据子集？

我的客户数据（CSV格式）如下：

例如，每个类别包含各种计数：

customer.category.value_counts():    

spam       100
not_spam   20
neutral    45

其中：

min(customer.category.value_counts()): 20

我想用python编写一个

for循环

，以创建一个新的数据文件，对于所有

类别

，它只包含与最小类别计数相同的大小（在这里的示例中，最小类别是

而不是垃圾邮件

）

我的预期产出是：

new_customer.category.value_counts():    

spam       20
not_spam   20
neutral    20

---

使用groupby更容易：

min\u count=df.category.value\u counts（）.min（）
df.groupby（‘类别’）。头（最小计数）

也就是说，如果你真的想要一个循环，你可以使用它作为一个列表理解，这是更快的：

categories=df.category.unique（）
最小计数=df.category.value\u counts（）.min（）
df=pd.concat（[df.query（'category=@cat'）[：分类中的cat的最小计数]）

使用

groupby更容易：

min\u count=df.category.value\u counts（）.min（）
df.groupby（‘类别’）。头（最小计数）

也就是说，如果你真的想要一个循环，你可以使用它作为一个列表理解，这是更快的：

categories=df.category.unique（）
最小计数=df.category.value\u counts（）.min（）
df=pd.concat（[df.query（'category=@cat'）[：分类中的cat的最小计数]）
我随机生成的数据框有38行，类别分布如下：

spam        17
not_spam    16
neutral      5
Name: category, dtype: int64

我在想，你需要做的第一件事是找到最小的类别，一旦你知道了，你就可以使用计算出的值作为每个类别的
n
：

def示例（df:pd.DataFrame，类别：pd.Series）：
阈值=df[类别]。值\计数（）.min（）
对于df[category]中的cat，唯一（）
数据=df.loc[df[类别].eq（类别）]
产量数据。样本（阈值）
数据=样本（df，“类别”）
pd.concat（数据，忽略索引=真）


我随机生成的数据帧有38行，类别分布如下：

spam        17
not_spam    16
neutral      5
Name: category, dtype: int64

我在想，你需要做的第一件事是找到最小的类别，一旦你知道了，你就可以使用计算出的值作为每个类别的
n
：

def示例（df:pd.DataFrame，类别：pd.Series）：
阈值=df[类别]。值\计数（）.min（）
对于df[category]中的cat，唯一（）
数据=df.loc[df[类别].eq（类别）]
产量数据。样本（阈值）
数据=样本（df，“类别”）
pd.concat（数据，忽略索引=真）


这应该行得通。它不断连接从每个类别生成的top min记录

minval = min(df1.category.value_counts())
df2 = pd.concat([df1[df1.category == cat].head(minval) for cat in df1.category.unique() ])
print(df2)

这应该行得通。它不断连接从每个类别生成的top min记录

minval = min(df1.category.value_counts())
df2 = pd.concat([df1[df1.category == cat].head(minval) for cat in df1.category.unique() ])
print(df2)

谢谢你的评论和代码。“我们可以添加一个随机的种子，使其更好的重复性吗？”比尔金肯定。只需将
random_state
arg添加到
sample（）
like
data.sample（阈值，random_state=1）
感谢您的评论和代码。“我们可以添加一个随机的种子，使其更好的重复性吗？”比尔金肯定。只需将
random\u state
arg添加到
sample（）
像
data.sample（阈值，random\u state=1）
注意，您可以用
替换
.head（min\u count）
来获得随机行。注意，您可以用
替换
.head（min\u count）
来获得随机行。