带权重的 Pandas 样本

Question

我有 df我想对某些变量的分布进行一些抽样。比方说 df['type'].value_counts(normalize=True)返回:

0.3 A
0.5 B
0.2 C

我想做类似 sampledf = df.sample(weights=df['type'].value_counts()) 的东西使得 sampledf ['type'].value_counts(normalize=True)将返回几乎相同的分布。如何在这里通过频率传递 dict？

Answer 1

Weights得带个series of the same length作为原始 df，最好将其添加为列:

df['freq'] = df.groupby('type')['type'].transform('count')
sampledf = df.sample(weights = df.freq)

或者不添加列:

sampledf = df.sample(weights = df.groupby('type')['type'].transform('count'))