从Pandas

Question

假设我有一个表格，其中rn是行索引

       A1  |  A2 |  A3 
      -----------------
r1     x   |  0  |  t
r2     y   |  1  |  u
r3     z   |  1  |  v
r4     x   |  2  |  w
r5     z   |  2  |  v
r6     x   |  2  |  w

如果我想对此数据框进行子集，以使列A2只有唯一值，我会使用df.drop_duplicates('A2')。但是，它只保留唯一值的第一行并删除其余值。对于此示例，只有r2和r4将位于子集中。

我想要的是，任何具有重复值的行都是随机选择的，而不是第一行。因此，对于此示例，对于A2 == 1，r2或r3是随机选择的，或者对于A2 == 2 r4中的任何一个，随机选择r5或r6。我将如何实现这一目标？

Answer 1

首先对DataFrame进行随机播放，然后删除重复项：

df.sample(frac=1).drop_duplicates(subset='A2')

如果行的顺序很重要，您可以使用sort_index作为@cᴏʟᴅsᴘᴇᴇᴅ建议：

df.sample(frac=1).drop_duplicates(subset='A2').sort_index()