Pandas 如何使用Pandas中的groupby函数选择随机样本

在本文中，我们将介绍如何使用Pandas中的groupby函数选择随机样本。

Pandas中的groupby函数

在Pandas中，groupby函数是一个非常强大的函数。它可以根据一些条件将数据集分成多个组，并在每个组上执行一些操作。例如，您可以使用groupby函数计算每个组的平均值或计数。

这是一个简单的例子：

import pandas as pd

df = pd.DataFrame({'Animal': ['Falcon', 'Falcon', 'Parrot', 'Parrot'],
                   'Max Speed': [380., 370., 24., 26.]})

grouped = df.groupby('Animal')

print(grouped.mean())

# Output:
#         Max Speed
# Animal           
# Falcon     375.0
# Parrot      25.0

在这个例子中，我们将数据集按照“Animal”列分组，并计算了每个组的平均值。

如何选择随机样本

有时，我们需要从每个组中选择随机样本。例如，我们可能有一个由许多用户组成的数据集，我们想要随机选择每个用户组中的一些样本来进行测试。

在这种情况下，我们可以使用Pandas中的apply函数以及Python的random模块来实现。

我们可以将下面这个函数应用于一个组：

import random

def random_sample(group):
    return group.sample(n=1, random_state=random.randint(1,100))

这个函数将在给定的组中随机选择一个样本并返回它。请注意，我们使用random_state参数来确保每次运行代码时都会得到相同的结果。

接下来，我们可以使用apply函数将这个函数应用于每个组：

df.groupby('Animal').apply(random_sample)

这将返回一个新的数据集，其中包含每个组中的随机样本。

完整代码示例

import pandas as pd
import random

# Create a sample dataset
data = {'Animal': ['Falcon', 'Falcon', 'Parrot', 'Parrot', 'Dog', 'Dog', 'Cat', 'Cat'],
        'Name': ['Speedy', 'Lightning', 'Polly', 'Buddy', 'Rover', 'Fido', 'Fluffy', 'Garfield'],
        'Max Speed': [380., 370., 24., 26., 20., 18., 16., 14.],
        'Age': [2, 3, 5, 1, 2, 7, 4, 9]}
df = pd.DataFrame(data)

# Define the function that returns a random sample from a group
def random_sample(group):
    return group.sample(n=1, random_state=random.randint(1,100))

# Apply the random_sample function to each group
random_sample_df = df.groupby('Animal').apply(random_sample)

# Print the results
print(random_sample_df)

输出为：

          Animal       Name  Max Speed  Age
Animal                                     
Cat     7    Cat   Garfield       14.0    9
Dog     4    Dog      Rover       20.0    2
Falcon  0    Falcon     Speedy       380.0    2
Parrot  3    Parrot     Buddy        26.0    1