如何在Python Pandas中使用一致的随机样本？

Question

下面我有一个代码，其中读取csv文件并从文件中随机抽取700。 我需要在多个文件上执行此操作，但是如果我遍历文件，则每个文件的样本（因为它是随机的）将是不同的，我希望它一旦随机生成就保持不变。 / p>

df = pd.read_csv(file.csv, delim_whitespace=True)
df_s = df.sample(n=700)

我的想法是获取行号，然后将其传递给下一个文件，但这似乎不是很优雅。

你知道这个问题有什么好的解决方案吗？

澄清

文件长度不同，但文件长度最小：750。

期望的结果示例

df1 = pd.read_csv(file1.csv, delim_whitespace=True)
df_s1 = df1.sample(n=700) # choose random sample

df2 = pd.read_csv(file2.csv, delim_whitespace=True)
df_s2 = df2.sample(n=700) # use same random sample as above

Answer 1

我认为您可以在sample中使用random_state参数，但仅当所有文件的大小相同时才有效，因此请将参数nrows添加到read_csv：

df = pd.read_csv(file.csv, delim_whitespace=True, nrows=750)
df_s = df.sample(n=700, random_state=123)