使用唯一值子集数据框并返回每个唯一值的所有行答案

【问题标题】：subset dataframe using unique values and return all rows for each unique value使用唯一值子集数据框并返回每个唯一值的所有行
【发布时间】：2021-06-27 06:40:41
【问题描述】：

我正在尝试根据唯一值获取熊猫数据框的子集。

我的整个数据框大约有 5k 行，其中每一行都有一个 ID 和文本，每个 ID 可以有多个文本条目。数据框看起来像这样：

Text | ID
bla    1
blu    1 
ble    1 
bli    3
bly    3
bln    2
blt    2
blk    2
blv    2
blw    6

我想做的是指定多个唯一 ID，例如 3 并返回它的所有行，最终结果如下所示：

    Text | ID 
    bli    3
    bly    3
    bln    2
    blt    2
    blk    2
    blv    2
    blw    6

返回哪个 ID 无关紧要，只是它是 3 个 ID，如果我重新运行该方法，它始终是相同的 3 个 ID。

我知道如何使用这种方法选择数据框的唯一值：

unique = df['ID'].nunique()

但这是我的智慧结束的地方 - 感谢任何帮助。

【问题讨论】：

标签： python python-3.x pandas dataframe subset

【解决方案1】：

如果这 3 个 ID 无关紧要，您可以使用前 3 个 unique_3 = df['ID'].unique[:3] 然后选择带有df_id = df[df["ID"].isin(unique_3)] 的行。

【讨论】：

你好@luanpo - 谢谢你的建议，但是第一行代码在 .unique(:3) 上抛出了一个无效的语法错误 - 还有另一种选择三个 unqiue 值的方法吗？跨度>
谢谢@SergeBallesta。它现在应该可以工作了。

【解决方案2】：

使用np.random.RandomState 和种子以获得可重复性，使用np.random.choice 和replace=False 选择不同的元素，然后使用pd.Series.unique 形成候选者，并使用pd.Series.isin 来掩盖所需的ID 三元组：

def get_unique_id_subset(df, k=3, seed=51):
    id_list = np.random.RandomState(seed).choice(df.ID.unique(), k, replace=False)
    return df[df.ID.isin(id_list)]

使用：

>>> get_unique_id_subset(df)
  Text  ID
0  bla   1
1  blu   1
2  ble   1
3  bli   3
4  bly   3
9  blw   6

>>> get_unique_id_subset(df)  # same result as before
  Text  ID
0  bla   1
1  blu   1
2  ble   1
3  bli   3
4  bly   3
9  blw   6

>>> get_unique_id_subset(df, seed=19)  # changed the seed
  Text  ID
0  bla   1
1  blu   1
2  ble   1
5  bln   2
6  blt   2
7  blk   2
8  blv   2
9  blw   6

>>> get_unique_id_subset(df, seed=19)  # result consistent with the seed
  Text  ID
0  bla   1
1  blu   1
2  ble   1
5  bln   2
6  blt   2
7  blk   2
8  blv   2
9  blw   6

【讨论】：