Question

我有一个熊猫DataFrame。假设我想对每个小组的两个人进行抽样，我使用以下代码来获取新的数据框：

sample_df = df.groupby("category").apply(lambda group_df: group_df.sample(2, random_state=1234)

我想创建一个存储未抽样人员的数据框。

sample_df的Stil具有原始df的索引，因此我可能必须对此进行处理，但是我不确定是什么...

谢谢！

Answer 1

首先将group_keys=False添加到groupby，以避免将category添加到MultiIndex：

df = pd.DataFrame({
        'A':list('abcdef'),
         'B':[4,5,4,5,5,4],
         'category':list('aaabbb')
})

sample_df = (df.groupby("category", group_keys=False)
               .apply(lambda group_df: group_df.sample(2, random_state=1234)))
print(sample_df)
   A  B category
0  a  4        a
1  b  5        a
3  d  5        b
4  e  5        b

因此可以用boolean indexing用Index.isin过滤原始索引值，用~用倒置掩码过滤：

non_sample_df = df[~df.index.isin(sample_df.index)]
print(non_sample_df)
   A  B category
2  c  4        a
5  f  4        b

Python：从数据框采样，存储未采样

1 个答案: