Question

我有一个与此类似的dataFrame，但有数千个值：

import numpy as np
import pandas as pd 

# Setup fake data.
np.random.seed([3, 1415])      
df = pd.DataFrame({
    'Class': list('AAAAAAAAAABBBBBBBBBB'),
    'type': (['short']*5 + ['long']*5) *2,
    'image name': (['image01']*2  + ['image02']*2)*5,
    'Value2': np.random.random(20)})

我能够找到一种方法，对每个图像，每个类和每个类型随机抽样2个值，使用以下代码：

df2 = df.groupby(['type', 'Class', 'image name'])[['Value2']].apply(lambda s: s.sample(min(len(s),2)))

我得到了以下结果：

我正在寻找一种方法来对该表进行子集化，以便能够为每个类型和每个类随机选择一个随机图像（“图像名称”）（并保留随机选择图像的2个值。

Excel我想要的输出示例：

Answer 1

IIUC ，问题在于您不希望对列image name进行分组，但如果该列未包含在groupby中，您将失去此列

您可以先创建grouby对象

gb = df.groupby(['type', 'Class'])

现在，您可以使用list comprehesion

来交换grouby块

blocks = [data.sample(n=1) for _,data in gb]

现在，您可以连接块，重建随机采样的数据帧

pd.concat(blocks)

输出

   Class    Value2 image name   type
7      A  0.817744    image02   long
17     B  0.199844    image01   long
4      A  0.462691    image01  short
11     B  0.831104    image02  short

或

您可以修改代码并将列image name添加到群组中，就像这样

df.groupby(['type', 'Class'])[['Value2','image name']].apply(lambda s: s.sample(min(len(s),2))) Value2 image name type Class long A 8 0.777962 image01 9 0.757983 image01 B 19 0.100702 image02 15 0.117642 image02 short A 3 0.465239 image02 2 0.460148 image02 B 10 0.934829 image02 11 0.831104 image02

编辑：每组保持图像相同

我不确定您是否可以避免使用迭代过程来解决此问题。您可以循环遍历groupby块，过滤组随机图像并保持每组相同的名称，然后从剩余的图像中随机采样，如下所示

import random gb = df.groupby(['Class','type']) ls = [] for index,frame in gb: ls.append(frame[frame['image name'] == random.choice(frame['image name'].unique())].sample(n=2)) pd.concat(ls)

输出

Class Value2 image name type 6 A 0.850445 image02 long 7 A 0.817744 image02 long 4 A 0.462691 image01 short 0 A 0.444939 image01 short 19 B 0.100702 image02 long 15 B 0.117642 image02 long 10 B 0.934829 image02 short 14 B 0.721535 image02 short

Python - 每组Pandas随机抽样

1 个答案: