我有一个这样的示例列表：
Category| Item
--------|-------
Animal | Fish
Animal | Cat
... |
Food | Fish
Food | Cake
... |
etc...
我想从每个类别中抽取 10 个项目的随机样本，以便剩余的数据框只有这些记录。
我已经尝试过df.sample()，但它只是为我提供了全面的样本。
我可以通过df.iterrows() 做到这一点，但我希望有一个更简单的解决方案。
【问题讨论】：
标签： python-3.x pandas
我有一个imbalanced 数据集，我使用以下代码来balance 数据集，每个数据集的每个类（标签）有 100 个样本（行），重复。activity 是我的类。此代码用于少数类的oversampling 实例或多数类的undersampling 实例。它应该只在训练集上使用。
balanced_df=Pdf_train.groupby('activity',as_index = False,group_keys=False).apply(lambda s: s.sample(100,replace=True))
【讨论】：
你必须告诉 pandas 你想用 groupby 方法按类别分组。
df.groupby('category')['item'].apply(lambda s: s.sample(10))
如果您的样品少于十件，但不想更换样品，您可以这样做。
df.groupby('category')['item'].apply(lambda s: s.sample(min(len(s), 10)))
【讨论】：
s.sample(10, replace=True)。否则这行得通！谢谢。