按列值从大熊猫数据框中获取随机样本

Question

我有一个熊猫数据框，如下所示：

#       Name        City
1       John        NYC
2       Doe         Berlin
3       Jonathan    Tokyo
4       Andrew      Barcelona
5       Heather     London
..      ......      ......
..      ......      ......
..      ......      ......
60000   Summer      Madrid

让我们说我有一个像这样的城市列表：[NYC, Berlin, Tokyo]。

我需要获取上述数据框的样本，其大小为n（例如n = 200），该样本随机但根据列表中的城市选择行。最好每个城市的行数相同。

如何使用熊猫来做到这一点？

谢谢

Answer 1

这是一个两步过程。

首先根据您的城市创建一个子集

subset_DF = DF[DF.cities.isin(['NYC', 'Berlin','Tokyo'])]

然后使用pandas DataFrame方法创建示例

your_Sample = subset_DF.sample(n = 200)

或内联

your_Sample = DF[DF.cities.isin(['NYC', 'Berlin','Tokyo'])].sample(n = 200)

Answer 2

不确定这是否最有效，但我是这样做的：

假设您想要每个城市 N 随机行。您可以在唯一的城市名称上运行 for 循环并获取每个城市名称的数据框子集，并从此子集中采样。在您的情况下，这看起来像这样：

df_list = list()
for city_name in df['City'].unique():
    df_subset = df.loc[df['City'] == city_name]
    df_list.append(df_subset.sample(N))
df_sample = pd.concat(df_list).reset_index(drop=True)

Answer 3

sub_sample = df [df ['City'] ==“ NYC”]＃选择所有带有“ city” ==“ NYC”的行

sub_sample.iloc [0:20 ,:]＃假设您需要提取20行

以相同的方式选择其他两个样本。