python - 基于每行类别的 Pandas 样本

Question

假设我有一个 pandas 数据框

   rid category
0   0       c2
1   1       c3
2   2       c2
3   3       c3
4   4       c2
5   5       c2
6   6       c1
7   7       c3
8   8       c1
9   9       c3

我想添加 2 列 pid 和 nid，这样对于每一行，pid 包含一个与 rid 属于同一类别的随机 id(rid 除外)，nid 包含一个与 rid 属于不同类别的随机 id ,

一个示例数据框是:

   rid category pid nid
0   0       c2   2   1
1   1       c3   7   4
2   2       c2   0   1
3   3       c3   1   5
4   4       c2   5   7
5   5       c2   4   6  
6   6       c1   8   5
7   7       c3   9   8
8   8       c1   6   2
9   9       c3   1   2

请注意，pid 不应与 rid 相同。现在，我只是通过遍历行和每次采样来强制执行它，这看起来效率很低。

有更好的方法吗？

编辑 1:为简单起见，我们假设每个类别至少出现两次，这样至少可以找到一个没有删除但具有相同类别的 ID。

编辑 2: 为了更简单起见，我们假设在大型数据框中以与 rid 相同的 id 结束的概率为零。如果是这样，我相信解决方案应该更容易。不过，我不想做这个假设

Answer 1

对于 pid 列使用 Sattolo's algorithm并为 nid 获取所有可能的值，所有列的值与 numpy.random.choice 的组的值不同与设置的区别:

from random import randrange

#https://stackoverflow.com/questions/7279895
def sattoloCycle(items):
    items = list(items)
    i = len(items)
    while i > 1:
        i = i - 1
        j = randrange(i)  # 0 <= j <= i-1
        items[j], items[i] = items[i], items[j]
    return items

def outsideGroupRand(x):
    return np.random.choice(list(set(df['rid']).difference(x)), 
                            size=len(x),
                            replace=False)


df['pid1'] = df.groupby('category')['rid'].transform(sattoloCycle)
df['nid1'] =  df.groupby('category')['rid'].transform(outsideGroupRand)
print (df)
   rid category  pid  nid  pid1  nid1
0    0       c2    2    1     4     6
1    1       c3    7    4     7     4
2    2       c2    0    1     5     3
3    3       c3    1    5     1     0
4    4       c2    5    7     2     9
5    5       c2    4    6     0     8
6    6       c1    8    5     8     3
7    7       c3    9    8     9     5
8    8       c1    6    2     6     5
9    9       c3    1    2     3     6