在使用pandas的groupby函数进行分组后，对每个组进行抽样。

Question

如何在groupby操作之后对每个组进行抽样？

import pandas as pd

df = pd.DataFrame({'a': [1,2,3,4,5,6,7],
                   'b': [1,1,1,0,0,0,0]})

grouped = df.groupby('b')

根据上述设置，我想从每个组中进行抽样，例如，我想要每个组的30%。

- gongzhitaao

---

从 Pandas 1.1 开始，您可以使用 df.groupby('b').sample() 进行操作。相关文档 - cs95

如果您想要对每个组采样不同数量的样本，请参考以下链接：https://stackoverflow.com/a/59437554/8502312 - undefined

Answer 1

应用 lambda 并调用具有参数 frac 的 sample：

In [2]:
df = pd.DataFrame({'a': [1,2,3,4,5,6,7],
                   'b': [1,1,1,0,0,0,0]})
​
grouped = df.groupby('b')
grouped.apply(lambda x: x.sample(frac=0.3))

Out[2]:
     a  b
b        
0 6  7  0
1 2  3  1

- EdChum

Answer 2

pandas >= 1.1: GroupBy.sample

这就像魔术一样:

# np.random.seed(0)
df.groupby('b').sample(frac=.3) 

   a  b
5  6  0
0  1  1

---

pandas <= 1.0.X

您可以使用GroupBy.apply和sample。您不需要使用lambda表达式；apply接受关键字参数:

df.groupby('b', group_keys=False).apply(pd.DataFrame.sample, frac=.3)

   a  b
5  6  0
0  1  1

- cs95

---

df.sample(frac=1).groupby('b').head(2) 这个不同。sample 是均匀取样，而这个是首先取一个。它们的使用取决于任务，但 head 取决于排序顺序，而 sample 则不会。 - melgor89