Python从Groupby中随机选择组样本

获取groupby元素的随机样本的最佳方法是什么？据我所知，groupby只是组上的一个可数

如果我想选择N=200个元素，我对iterable执行此操作的标准方法是：

rand = random.sample(data, N)  

如果在数据为“分组”的情况下尝试上述操作，则出于某种原因，结果列表的元素为元组

我发现下面的示例用于随机选择单个键groupby的元素，但是这不适用于多键groupby。从

创建groupby对象

grouped = df.groupby('some_key')

选取N个数据帧并获取它们的索引

sampled_df_i = random.sample(grouped.indices, N)

使用groupby对象“get_group”方法获取组

df_list = map(lambda df_i: grouped.get_group(df_i),sampled_df_i)

可选-将其全部转换回单个dataframe对象

sampled_df = pd.concat(df_list, axis=0, join='outer')

---

您可以对df.some_key.unique的唯一值进行随机采样，使用该采样对df进行切片，最后对结果进行分组：

In [337]:

df = pd.DataFrame({'some_key': [0,1,2,3,0,1,2,3,0,1,2,3],
                   'val':      [1,2,3,4,1,5,1,5,1,6,7,8]})
In [338]:

print df[df.some_key.isin(random.sample(df.some_key.unique(),2))].groupby('some_key').mean()
               val
some_key          
0         1.000000
2         3.666667

如果存在多个groupby键：

In [358]:

df = pd.DataFrame({'some_key1':[0,1,2,3,0,1,2,3,0,1,2,3],
                   'some_key2':[0,0,0,0,1,1,1,1,2,2,2,2],
                   'val':      [1,2,3,4,1,5,1,5,1,6,7,8]})
In [359]:

gby = df.groupby(['some_key1', 'some_key2'])
In [360]:

print gby.mean().ix[random.sample(gby.indices.keys(),2)]
                     val
some_key1 some_key2     
1         1            5
3         2            8

但是，如果您只想获得每个组的值，您甚至不需要抱怨，MultiIndex可以做到：

我觉得低级numpy操作更干净：

作为pd进口熊猫 将numpy作为np导入 df=pd.DataFrame { some_键：[0,1,2,3,0,1,2,3,0,1,2,3]， 瓦尔：[1,2,3,4,1,5,1,5,1,6,7,8]， } ids=df[some_key]。唯一 ids=np.random.choiceids，大小=2，替换=False 身份证 >数组[3,2] df.loc[df[some_key].isinids] >一些钥匙 2 2 3 3 3 4 6 2 1 7 3 5 10 2 7 11 3 8

---

非常彻底。感谢您提供多索引示例。

In [372]:

idx = random.sample(set(pd.MultiIndex.from_product((df.some_key1, df.some_key2)).tolist()),
                    2)
print df.set_index(['some_key1', 'some_key2']).ix[idx]
                     val
some_key1 some_key2     
2         0            3
3         1            5