Question

我有一个由各种组组成的熊猫数据框，例如

df = pd.DataFrame([['A', 2], ['A', 3], ['A', 6], ['B',8], ['B', 2], ['B', 3], ['C', 6], ['C', 2], ['C', 3], ['C', 6]], columns=['Group', 'Val'])

df['count'] = df.groupby('Group')['Group'].transform('count') #get counts per group

    Group   Val count
0   A      2    3
1   A      3    3
2   A      6    3
3   B      8    3
4   B      2    3
5   B      3    3
6   C      6    4
7   C      2    4
8   C      3    4
9   C      6    4

我想将数据帧分为df_train和df_test，其中df_train包含该组的第一行（按索引）ROUNDUP（0.6 * count）行，而其余行是最后count-ROUNDUP（0.6 * count）行将进入df_test。也就是说，在我的示例中，对于组A和B，将采用第一行ROUNDUP（0.6 * 3）= 2行，对于组C将采用第一行ROUNDUP（0.6 * 4）= 3行，并将其放入df_train，然后其他行（这里是每个组的最后一行）在df_test中。

在大熊猫中做这件事的最好方法是什么？

附加说明：

在我的实际用例中，我已经按日期（在组内）对数据框进行了排序，因此每个组的“最后”行实际上是按日期最新的行，这可能会有所帮助。因此，如果可以的话，我们也可以按日期在组内选择适当的行数...

Answer 1

按“ Goup”和“ count”分组，每个计数乘以一个常数，并在head()中指定为整数。注意：由于math.ceil（）不能应用于Pandas.Series，因此我们再次添加了常量以使其四舍五入。这种逻辑并不总是会产生您想要的结果。请验证。

rows = 0.6
gb = df.groupby(['Group','count'])
# Since a rounding-up function cannot be applied to a series
df_train = gb.head(((df['count']*rows)+rows).round().astype(int))
df_train

Group   Val count
0   A   2   3
1   A   3   3
3   B   8   3
4   B   2   3
6   C   6   4
7   C   2   4
8   C   3   4
df_test = df[~(df.index.isin(df_train.index))]
df_test
Group   Val count
2   A   6   3
5   B   3   3
9   C   6   4

熊猫数据框按组划分

1 个答案: