使用熊猫如何将列数据字段用于随机样本

Question

我知道如何从熊猫数据框中随机采样几行。

使用示例命令

df_sample = df.sample(n=10)

不过，我需要的是下面数据框中的随机列（即Village）。

例如：我想随机选择3个村庄的全部数据，即A，B和C村。将随机选择A，B和C村庄，并为我们提供这3个村庄的全部数据的输出。

同样，

这是我的代码

>>> import pandas as pd
>>> import numpy as np
>>> df=pd.read_excel("/home/Study.xlsx")
>>> df=df.sample(n=3)
>>> df
    Sr.No  ...  Village
16     17  ...        I
33     34  ...        Q
36     37  ...        S

因此，如果我随机选择了村庄I，Q和S，那么我需要这3个村庄的全部数据。

谢谢。

Answer 1

对随机的3个村庄使用具有唯一值的numpy.random.choice，然后按Series.isin和boolean indexing进行过滤：

vil = np.random.choice(df['Village'].unique(), 3)
df = df[df['Village'].isin(vil)]

仅使用Series.drop_duplicates和Series.sample的熊猫解决方案：

vil = df['Village'].drop_duplicates().sample(3)
df = df[df['Village'].isin(vil)]

对于功能，请使用：

def random_vil(x):
    vil = np.random.choice(df['Village'].unique(), x)
    return df[df['Village'].isin(vil)]

 df = random_vil(3)