如何对从第 1 组中选择 X 行但从第 2 组中选择 Y 行的熊猫数据框进行采样答案

【问题标题】：How to sample a pandas dataframe selecting X rows from group 1 but Y rows from group2如何对从第 1 组中选择 X 行但从第 2 组中选择 Y 行的熊猫数据框进行采样
【发布时间】：2020-01-14 10:50:30
【问题描述】：

想象一个学生/成绩数据框，这样

使用 pandas，我如何创建多个组，使每个组有 1 名学生获得 A，2 名学生获得 B，1 名学生获得 C？

我尝试使用 pandas 的 GroupBy['Grade']，然后从每个年级组中采样。这样做的问题是它为我提供了来自每个年级组的相同数量的学生，但是，我想要来自每个特定年级组的特定数量的学生。

解决方案不应该关心“剩菜”。如果我有一个遵循所需分布的完整集合，我会很高兴。

感谢您的帮助，

【问题讨论】：

标签： python pandas distribution

【解决方案1】：

您可以通过使用字典来存储每个组的样本数来做到这一点，如下所示：

import pandas as pd
import numpy as np

# create the dataframe
df = pd.DataFrame(zip(['Person'+ str(i+1) for i in range(30)],
                 np.random.choice(['A','B', 'C'], 30, replace=True)),
             columns = ['Student','Grade'])

# use a dict to store the sample frequencies
sample_freq = {'A':1, 'B':2, 'C':3}

# group by desired variable
groups = df.groupby('Grade')

# sample from each group and concatenate them to a single data frame
pd.concat(
    [group_df.sample(sample_freq[group]) for group,group_df in groups])

【讨论】：

谢谢！我不知道您可以在采样功能中使用字典——我和我的学生都很欣赏这一点。