每组随机样本，min_rows

Question

我有一个数据框，我想对其进行采样。但是，在随机抽样时，我希望从列中的每个元素中至少有 1 个样本。我也希望分布也有效果。（例如：原始样本更多的值对采样的df有更多）

类似于this 和this 问题，但每组的样本量最少。

假设这是我的 df：

df = pd.DataFrame(columns=['class'])
df['class'] = [0,0,0,0,0,0,0,0,0,0,0,0,0,1,2]
df_sample = df.sample(n=4)

当我对此进行采样时，我希望 df_sample 看起来像：

     Class
      0
      0
      1
      2

谢谢。

Answer 1

按照@YukiShioriii 的建议，您可以：

1 - 对每组值的一行进行采样

2 - 对剩余的行进行随机抽样，而不考虑值

Answer 2

听从 YukiShioriii 和 mprouveur 的建议

# random_state for reproducibility, remove in production code
sample = df.groupby('class').sample(1, random_state=1)

sample = sample.append(
    df[~df.index.isin(sample.index)] # only rows that have not been selected
    .sample(n=sample_size-sample.shape[0]) # sample more rows as needed
).sort_index()

输出

    class
2       0
4       0
13      1
14      2