python - 从 Pandas 的数据框中随机选择唯一行

Question

假设我有一个数据框，其中 rn 是行索引

       A1  |  A2 |  A3 
      -----------------
r1     x   |  0  |  t
r2     y   |  1  |  u
r3     z   |  1  |  v
r4     x   |  2  |  w
r5     z   |  2  |  v
r6     x   |  2  |  w

如果我想对该数据框进行子集化，使 A2 列只有唯一值，我会使用 df.drop_duplicates('A2')。但是，这只会保留唯一值的第一行并删除其余行。对于这个例子，只有 r2 和 r4 会在子集中。

我想要的是随机选择任何具有重复值的行而不是第一行。因此对于此示例，对于 A2 == 1，随机选择 r2 或 r3，或者对于 A2 == 2，随机选择 r4、r5 或 r6 中的任何一个。我将如何实现它？

Answer 1

先打乱 DataFrame，然后删除重复项:

df.sample(frac=1).drop_duplicates(subset='A2')

如果行的顺序很重要，您可以按照@cᴏʟᴅsᴘᴇᴇᴅ的建议使用sort_index:

df.sample(frac=1).drop_duplicates(subset='A2').sort_index()