如何解决即使某些组非常小,如何使用 pandas+groupby+sample 分数保留所有组?
假设我有这样的数据:
df=pd.DataFrame({'a':[1,2,3,4,5,6,7,8,9,10,11,12],'b':[0,1]})
我想使用 b 将数据分成两组并从每个组中采样。你可以看到第 0 组的数据比第 1 组多得多。所以,如果我这样做:
df1=df.groupby(['b']).apply(lambda x: x.sample(frac=0.1)).reset_index(drop=True)
您会发现无法对组 1 进行采样。如果 frac 增加,则可能会对其进行采样。
那么,我应该怎么做才能保持所有的组,即使它非常小?
解决方法
使用 sample
对数据帧重新排序,然后我们找到每个组的 min
计数值,我们可以做 head
df1 = df.groupby('b').apply(lambda x: x.sample(frac=1)).reset_index(drop=True)
ming = df1.b.value_counts().min()
df1 = df1.groupby('b').head(ming)
df1
Out[287]:
a b
0 8 0
12 12 1
版权声明:本文内容由互联网用户自发贡献,该文观点与技术仅代表作者本人。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如发现本站有涉嫌侵权/违法违规的内容, 请发送邮件至 dio@foxmail.com 举报,一经查实,本站将立刻删除。