根据列的分布随机采样熊猫数据帧

根据列的分布随机采样熊猫数据帧

您可以从文档中使用sample：

从对象轴返回随机的项目样本。

诀窍是在每个组中使用样本，一个代码示例：

import pandas as pdpositions = {"least": 0.277220, "left": 0.250000, "right": 0.250000, "left-center": 0.141244, "right-center": 0.081536}data = [['title-{}-{}'.format(i, position), position] for i in range(1000) for position in positions.keys()]frame = pd.Dataframe(data=data, columns=['title', 'position'])print(frame.shape)def sample(obj, replace=False, total=1000):    return obj.sample(n=int(positions[obj.name] * total), replace=replace)result = frame.groupby('position', as_index=False).apply(sample).reset_index(drop=True)print(result.groupby('position').agg('count'))

输出量

(5000, 2)   titlepositionleast277left 250left-center     141right250right-center     81

在上面的示例中，我创建了一个具有5000行2列的数据框，这是输出的第一部分。

我假设您有一个位置字典（要将Dataframe转换为字典，请参见this），其中包含要从每个组中采样的百分比和一个总参数（即要采样的总数）。

在输出的第二部分中，您可以看到100个最小的277行

277 / 1000 =0.277

。这是所需数量的近似值，其余组也是如此。需要注意的是，样本数为999，而不是预期的1000。