python - 拆分 Pandas DataFrame，其中一个因子列均匀分布在拆分中

Question

我试图将 Pandas DataFrame 拆分为多个单独的 DataFrame，其中其中一列均匀分布在生成的 DataFrame 中。例如，如果我希望将以下 DataFrame 拆分为 3 个不同的 DataFrame，其中每个 DataFrame 包含每个扇区的一条记录(随机选择)。

所以 df 看起来像这样:

    id   Name     Sector
     1   John        A
     2   Steven      A
     3   Jane        A
     4   Kyle        A
     5   Ashley      B
     6   Ken         B
     7   Tom         B 
     8   Peter       B 
     9   Elaine      C
     10  Tom         C
     11  Adam        C
     12  Simon       C
     13  Stephanie   D
     14  Jan         D
     15  Marsha      D
     16  David       D
     17  Drew        E
     18  Kit         E
     19  Corey       E
     20  James       E

将产生两个 DataFrame，其中一个可能如下所示，而另一个则包含剩余的记录。

    id   Name     Sector
     1   John        A
     2   Steven      A
     7   Tom         B 
     8   Peter       B 
     10  Tom         C
     11  Adam        C
     13  Stephanie   D
     16  David       D
     19  Corey       E
     20  James       E

我知道np.array_split(df, 2)会让我到达那里，但它可能不会像我需要的那样均匀地分配扇区。

(为了清晰起见进行了编辑)

Answer 1

根据评论更新并更新问题:

df_1=df.groupby('Sector', as_index=False, group_keys=False).apply(lambda x: x.sample(n=2))
df_2 = df[~df.index.isin(df_1.index)]

print(df_1)
   id       Name Sector
2    3       Jane      A
3    4       Kyle      A
7    8      Peter      B
5    6        Ken      B
11  12      Simon      C
9   10        Tom      C
12  13  Stephanie      D
15  16      David      D
19  20      James      E
17  18        Kit      E

print(df_2)
    id    Name Sector
0    1    John      A
1    2  Steven      A
4    5  Ashley      B
6    7     Tom      B
8    9  Elaine      C
10  11    Adam      C
13  14     Jan      D
14  15  Marsha      D
16  17    Drew      E
18  19   Corey      E

<小时/>

这是一种“时髦”的方法，使用顺序编号和随机采样:

df['grp'] = df.groupby('Sector')['Sector']\
              .transform(lambda x: x.notna().cumsum().sample(frac=1))
dd = dict(tuple(df.groupby('grp')))

输出:

dd[1]

   id    Name Sector  grp
0   1    John      A    1
4   5     Ken      B    1
6   7  Elaine      C    1

dd[2]

   id  Name Sector  grp
2   3  Jane      A    2
5   6   Tom      B    2
7   8   Tom      C    2

dd[3]

   id    Name Sector  grp
1   2  Steven      A    3
3   4  Ashley      B    3
8   9    Adam      C    3

详细信息:

• 在每个扇区组中创建从 1 开始的数字序列，然后随机化组中的数字以创建分组 key ，组。
• 使用 grp 进行分组，然后创建一个字典，其中包含每个 grp 的键。