Question

我有一个大数据集，我需要从中随机抽样一个较小的数据集。第一列由不同的车辆ID组成，应从这些车辆ID中进行采样。每辆车都有不止一个记录，因此我在一辆车上有多行。放下我正在使用的代码，但这会花费很多时间。我想知道是否有更快的方法。

示例：

df：

vehicle_ID   SectionID      time
     1         200       00:00:03
    100        237       00:00:03
     1        1872       00:00:06

代码

veh = df['vehicle_ID'].unique()
sample = random.sample(list(veh), 12900)
ndf = pd.DataFrame()
for i in sample:
    new = df[df['vehicle_ID']==i]
    ndf=ndf.append(new , ignore_index =True)

Answer 1

尝试一下：

# Select a vehicle_id
data1 = df[df.vehicle_ID == np.random.choice(df['vehicle_ID'].unique())].reset_index(drop=True)

# Get a random index from data1
start_ix = np.random.choice(data1.index[:-3])

# Get a sequence starting at the random index from the previous step
print(df.loc[start_ix:start_ix+3])

从大型时间序列数据集中随机采样

1 个答案: