Python Pandas：平均分配字符串列

Question

我有300000个字符串的pandas列。它由19个唯一的字符串组成。现在，我只想选择说该列的5000个元素，但每个字符串应均等出现。当然，这受到该列中字符串出现的最小/最大次数的限制。

我想也许我可以使用pandas.facotrize，但是我真的不知道如何遮盖该列。我是否不知道有一个numpy / pandas函数？

如果我将字符串分解，它就像：

strings=np.random.randint(19, size=300000)

现在，我可以用某种方式屏蔽该数组，以使每个数字均等出现，并且“ Trues”的数量为5000。理想的模式是：如果我也可以给出其中一个字符串出现在另一个字符串上的因素，但这仅用于添加。

Answer 1

设置

   public void add(Tag tag1, Tag tag2) {
        tag1.collisions.Add(tag2);
        tag2.collisions.Add(tag1);
    }

    public void remove(Tag tag1, Tag tag2) {
      if (collidesWith(tag1,tag2)) {
        tag1.collisions.remove(tag2);
        tag2.collisions.remove(tag1);
      }  
    }

    public boolean collidesWith(Tag tag1, Tag tag2) {
        if (tag1.collisions.Contains(tag2) && tag2.collisions.Contains(tag1)) {
           return true;
        }
        return false;
    }

---

np.random.seed([3, 1415]) n = 300_000 strings = np.random.choice([*'ABCDEFGHIJKLMNOPQRS'], size=n) df = pd.DataFrame(dict(Col=strings))

弄清楚您需要的实际数量，然后从每个组中进行采样

pandas.DataFrame.sample