python - 在 python 中对每个组进行 groupby 后采样

Question

我有一个数据框如下:

index   accountid  transdate

0        116490  2018-10-01
1        116490  2018-07-01
2        116490  2018-09-01
3        116490  2018-08-01
4        123033  2018-10-01
5        123033  2018-07-01
6        123033  2018-09-01
7        123033  2018-08-01
8        114175  2018-10-01
9        114175  2018-07-01
10       114175  2018-09-01
11       114175  2018-08-01
12       112962  2018-10-01
13       112962  2018-07-01
14       112962  2018-09-01
15       112962  2018-08-01

我正在尝试从每组 accountid 中获取随机行数。例如，这里每个 accountid 都有 4 个 transdates，我试图根据 accountid 进行分组，并从每组中获取最少 1 行和最多 4 行。

预期输出:

index    accountid  transdate

0        116490 2018-10-01
1        116490 2018-07-01
3        116490 2018-08-01
4        123033 2018-10-01
5        123033 2018-07-01
8        114175 2018-10-01
9        114175 2018-07-01
10       114175 2018-09-01
11       114175 2018-08-01
12       112962 2018-10-01
13       112962 2018-07-01
15       112962 2018-08-01

我一直在按 accountid 分组并将 random.sample 应用于分组对象，但每次它都会返回每个组的固定行数。

Answer 1

您可以使用 pandas.Series.sample获取每个类别的随机样本，您可以设置要随机分布在 1 ... min(4, len(category)) 中的元素数量:

import random

def random_sample(x):
    n = random.randint(1, min(4, len(x)))
    return x.sample(n)

df.groupby("accountid").transdate.apply(random_sample)
# accountid    
# 112962     13    2018-07-01
#            14    2018-09-01
#            15    2018-08-01
# 114175     10    2018-09-01
#            11    2018-08-01
# 116490     2     2018-09-01
#            0     2018-10-01
#            3     2018-08-01
# 123033     5     2018-07-01
#            4     2018-10-01
#            7     2018-08-01