Python - 每组 Pandas 随机抽样

Question

我有一个与它非常相似的数据框，但有数千个值：

import numpy as np
import pandas as pd 

# Setup fake data.
np.random.seed([3, 1415])      
df = pd.DataFrame({
    'Class': list('AAAAAAAAAABBBBBBBBBB'),
    'type': (['short']*5 + ['long']*5) *2,
    'image name': (['image01']*2  + ['image02']*2)*5,
    'Value2': np.random.random(20)})

我能够找到一种方法，使用以下代码对每个图像、每个类别和每个类型的 2 个值进行随机抽样：

df2 = df.groupby(['type', 'Class', 'image name'])[['Value2']].apply(lambda s: s.sample(min(len(s),2)))

我得到了以下结果：

我正在寻找一种方法对该表进行子集化，以便能够为每个类型和每个类随机选择一个随机图像（“图像名称”）（并为随机选择的图像保留 2 个值。

我想要的输出的 Excel 示例：

Answer 1

IIUC，问题是您不想按列image name 分组，但如果该列不包含在分组依据中，您将丢失此列

你可以先创建grouby对象

gb = df.groupby(['type', 'Class'])

现在您可以使用列表理解对 grouby 块进行交互

blocks = [data.sample(n=1) for _,data in gb]

现在您可以连接块，以重建您随机采样的数据帧

pd.concat(blocks)

---

输出

   Class    Value2 image name   type
7      A  0.817744    image02   long
17     B  0.199844    image01   long
4      A  0.462691    image01  short
11     B  0.831104    image02  short

或

你可以修改你的代码，像这样将image name列添加到groupby中

df.groupby(['type', 'Class'])[['Value2','image name']].apply(lambda s: s.sample(min(len(s),2)))

                  Value2 image name
type  Class
long  A     8   0.777962    image01
            9   0.757983    image01
      B     19  0.100702    image02
            15  0.117642    image02
short A     3   0.465239    image02
            2   0.460148    image02
      B     10  0.934829    image02
            11  0.831104    image02

---

编辑：保持每组图像相同

我不确定您是否可以避免使用迭代过程来解决这个问题。您可以循环遍历 groupby 块，过滤组，获取随机图像并保持每组相同的名称，然后像这样从剩余图像中随机采样

import random

gb = df.groupby(['Class','type'])
ls = []

for index,frame in gb:
    ls.append(frame[frame['image name'] == random.choice(frame['image name'].unique())].sample(n=2))

pd.concat(ls)

输出

   Class    Value2 image name   type
6      A  0.850445    image02   long
7      A  0.817744    image02   long
4      A  0.462691    image01  short
0      A  0.444939    image01  short
19     B  0.100702    image02   long
15     B  0.117642    image02   long
10     B  0.934829    image02  short
14     B  0.721535    image02  short