Python 从pandas数据帧中获取随机样本，但每个值只有一个

我的数据集是运动员数据集，其中一列是

AthleteName

。共有38次观察，但有些运动员不止一次参加，因此总共有31名运动员。 我想提取一个包含31个观察值的“随机”样本，其中所有的观察值只出现一次，而对于出现更多时间的观察值，则随机选取一个

我尝试过这样做，但它给了我一个错误：

sample_fem = pd.DataFrame
total = 0
while total <= 31:
    sample = female_dec.sample(n=1, replace=False)
    sample = sample.reset_index()
    if sample["AthleteName"][0] not in sample_fem["AthleteName"]:
       sample_fem.append(sample)
       total +=1 


  File "<ipython-input-561-249bb5b47652>", line 6, in <module>
    if sample["AthleteName"][0] not in sample_fem["AthleteName"]:

TypeError: 'type' object is not subscriptable

---

sample\u fem=pd.DataFrame
总数=0
虽然total听起来像是你想要的“随机样本”是：


运动员的所有记录在数据中只出现一次
每个运动员的单个记录，在数据中出现两次或两次以上，随机选择

要做到这一点，首先我们构建一个数据帧，并指示一条记录是否多次出现

将熊猫作为pd导入
将numpy作为np导入
df=pd.DataFrame（{'a'：[0,1,2,3,4,4,5,6,2]}）
df['dup_flag']=df.duplicated（keep=False）
df
dup_旗
0 0错误
1 1错误
2正确
3 3错误
4正确
5.4正确
6.5错误
7.6错误
8.2正确

接下来，根据我们创建的标志变量，我们将其分为“uniques”和“dups”

uniques=df.loc[df.dup_flag==False]
dups=df.loc[df.dup_标志==True]

因此，在对
dups
数据帧使用
drop\u duplicates
之前，只需为索引定义一个随机顺序。然后，我们可以合并结果

random\u order\u idx=np.random.permutation（np.arange（len（dups）））
random\u dups\u Dupped=dups.iloc[random\u order\u idx]。删除重复项（）
pd.concat（[唯一性，随机重复数据消除]）
dup_旗
0 0错误
1 1错误
3 3错误
6.5错误
7.6错误
5.4正确
2正确
sample\u fem=pd.DataFrame
将
sample\u fem
设置为
DataFrame
类型，这可能会导致错误。您不能对类型执行
sample\u fem[“AthleteName”]
。@NickBecker您是对的。将其更改为sample_fem[“DecathleteName”]。值，但它需要运行很长时间，所以我正在修补它不正确。。有什么想法吗？有可能有更好的方法来做你想做的事情，但你想做的事情还不完全清楚。如果我理解正确，一个更快的方法可能是使用
df.duplicated
创建一个标志变量来判断记录是否重复，然后随机删除“True”的重复项。我会发布一个答案