我有一个（大）目录CSV，其列为[0：3] =电话号码，姓名，城市，州。
我创建了一个包含20,000个条目的随机样本，但当然，它对人口较多的州和城市进行了大量加权。
我如何编写一个python代码（使用CSV或Pandas - 我没有可用的linecache）同样优先考虑/加权每个独特城市和每个州（单独，不是一对），并限制每个唯一城市到3个选秀权？
TRICKIER想法：我如何编写一个python代码，以便对于每个被挑选的随机行，它会检查之前是否已经选择了该城市。如果之前已经选择了该城市，它会忽略它并再次选择一条随机线，将该城市之前考虑的选择数减少一个。所以说，它随机选择了圣安东尼奥马刺队，之前已经两次被选中。该脚本忽略此选择，将其放回列表中，减少当前考虑的圣安东尼奥选择的数量，然后再次随机选择一行。如果它再次从圣安东尼奥挑选一条线，那么它会重复前一个过程，现在减少考虑的圣安东尼奥选择为0.所以它必须连续三次选择圣安东尼奥，以增加圣安东尼奥的另一条线。对于未来的选秀权，它必须连续四次选择圣安东尼奥马刺队，并且每增加一个选秀权一次。
我不知道第二个选项如何能够“分散”我的随机选择 - 这只是一个想法，它看起来像一个学习更多pythonese的有趣方式。我们将非常感谢沿着同一思路的任何其他想法。我们也欢迎对统计抽样和样本散布的见解。
答案 0 :(得分：2)
有很多方法可以实现这一点，但抽象算法应该是这样的。
首先，要创建一个符合第二个标准的新CSV，关于以相同概率绘制每个状态，请按如下方式绘制每一行。
1）从状态集中，绘制一个状态（每个状态绘制的概率为1 /＃状态）。让那个州成为s。
2）从大型CSV中，从STATE = s的行集中绘制一行。
在绘制行时，记录从给定的州/城市对中抽取的行数。你可以用字典做到这一点。然后，每次绘制一个连续的行时，如果有任何州/城市对等于用户设置的上限，则在上面的步骤2中从条件抽签中排除那些州/城市对。这将满足您的第一个要求。
这有意义吗？如果您开始使用一些试图实现此功能的代码，如果它有任何问题，我很乐意为您整理一下。
如果你想做一个“有点棘手”的算法，其中选择一个城市的概率会随着每个选择而减少，你可以毫不费力地做到这一点。基本上，在你绘制s之后对州内城市的条件，然后根据该州的每个城市被绘制的次数加权（你有这个信息，因为你一直存储它来实现第一个要求）。您必须提出加权函数的形式，因为您的描述并未暗示。
同样，如果您尝试对此进行编码，我很高兴看看您发布的任何代码并提出建议。