Pandas 从更大的数据集中随机选择 n 个组答案

【问题标题】：Pandas randomly select n groups from a larger datasetPandas 从更大的数据集中随机选择 n 个组
【发布时间】：2018-01-07 22:03:27
【问题描述】：

如果我有一个包含这样组的数据框

val label
x   A    
x   A   
x   B
x   B
x   C
x   C
x   D
x   D

如何在不替换的情况下随机抽取n组？

【问题讨论】：

目前还不清楚如何使用for 循环来选择随机项目。能否先提供等价的vanilla Python代码，然后我们可以尝试优化一下。
我的错。我把事情搞糊涂了。更新以反映以下解决方案。

标签： python pandas

【解决方案1】：

您可以将random.choice 与loc 一起使用：

N = 3
vals = np.random.choice(df['label'].unique(), N, replace=False) 
print (vals)
['C' 'A' 'B']

df = df.set_index('label').loc[vals].reset_index()
print (df)
  label val
0     C  x5
1     C  x6
2     A  x1
3     A  x2
4     B  x3
5     B  x4

【讨论】：

作为奖励，我将如何评估组的某些特征（例如值的总和），如果未通过测试则丢弃该组？例如。假设我随机抽取 1000 个组，但其中 200 个的组总和太低，所以我丢弃并重新绘制，直到我有 1000 个接受的组？如果您知道如何，我可以编辑我的原始帖子以包括在内。还是我应该开始一个新线程？
好的，但可以先聚合sum，如s = df.groupby('lable')['val'].sum()，然后过滤如b = s[s > 200]，然后使用我的解决方案np.random.choice(b.index, N, replace=False)？