python - Pandas 数据帧矢量化采样

Question

我有一个简单的 df 形成数据透视表:

    d = {'one' : ['A', 'B', 'B', 'C', 'C', 'C'], 'two' : [6., 5., 4., 3., 2., 1.],     'three' : [6., 5., 4., 3., 2., 1.], 'four' : [6., 5., 4., 3., 2., 1.]}
    df = pd.DataFrame(d)
    pivot = pd.pivot_table(df,index=['one','two'])

我想从生成的数据透视对象的“一”列中的每个不同元素中随机抽取 1 行。 (在此示例中，“A”将始终被采样，而“B”和“C”有更多选项。)我刚开始使用 0.18.0 版的 Pandas ，并且知道 .sample方法。我弄乱了 .groupby 方法应用这样的采样函数:

    grouped = pivot.groupby('one').apply(lambda x: x.sample(n=1, replace=False))

当我尝试对该主题进行变体时，我提出了一个 KeyError，所以我认为是时候对这个看似简单的问题提出一些新的观点了......

感谢您的帮助!

Answer 1

引发 KeyError 因为 'one' 不是 pivot 中的列而是索引的名称:

In [11]: pivot
Out[11]:
         four  three
one two
A   6.0   6.0    6.0
B   4.0   4.0    4.0
    5.0   5.0    5.0
C   1.0   1.0    1.0
    2.0   2.0    2.0
    3.0   3.0    3.0

你必须使用级别参数:

In [12]: pivot.groupby(level='one').apply(lambda x: x.sample(n=1, replace=False))
Out[12]:
             four  three
one one two
A   A   6.0   6.0    6.0
B   B   4.0   4.0    4.0
C   C   1.0   1.0    1.0

这不太正确，因为索引是重复的!使用 as_index=False 会稍微好一些:

In [13]: pivot.groupby(level='one', as_index=False).apply(lambda x: x.sample(n=1))
Out[13]:
           four  three
  one two
0 A   6.0   6.0    6.0
1 B   4.0   4.0    4.0
2 C   2.0   2.0    2.0

注意:这每次都会选择一个随机的行。

---

作为替代方案，一个可能性能更高的变体(拉出一个子框架:

In [21]: df.iloc[[np.random.choice(x) for x in g.indices.values()]]
Out[21]:
   four one  three  two
1   5.0   B    5.0  5.0
3   3.0   C    3.0  3.0
0   6.0   A    6.0  6.0