python - 从 Pandas 数据框中提取子集以确保不重叠？

Question

假设我有 2 个 Pandas 数据帧 df，尺寸为 297232 x 122，df_raw 尺寸为 840380x122。 df 已经是 df_raw 的子集。两个数据帧的索引都是 DateTime。我想从 df 中采样 70% 的值，从 df_raw 中采样 30% 的值(可以是如果需要随机采样)，同时确保采样的数据帧子集在索引方面没有重叠。

更准确地说，df_subset 将有 70% 从 df 中随机选择的值，而 df_raw_subset 有30% 从 df_raw 中随机选择值，但 df_subset 和 df_raw_subset 不应包含重叠的行采样，即它们应该具有唯一的 DateTime 索引。

Answer 1

所以首先我们从 df 中采样，因为尺寸很小，当我们将来从另一个更大的 df 中删除它时，我们不会有问题:没有足够的数据指向 示例

df_sub=df.sample(frac=0.7, replace=False)

然后我们通过df_sub删除df_raw中的索引

n=int(len(df_raw)*0.3)
df_raw_sub=df_raw.drop(df_sub.index).sample(n,replace=False)