基于多种条件的Python随机样本选择

Question

我想从以下 df 中在 python 中进行随机样本选择，以便至少 65% 的结果样本应具有黄色，并且所选数量的累积总和小于或等于 18。

原始数据集:

Date        Id      color       qty
02-03-2018  A       red         5
03-03-2018  B       blue        2
03-03-2018  C       green       3
04-03-2018  D       yellow      4
04-03-2018  E       yellow      7
04-03-2018  G       yellow      6
04-03-2018  H       orange      8
05-03-2018  I       yellow      1
06-03-2018  J       yellow      5

我有总数。选定的条件已涵盖但仍停留在如何通过集成 % 条件继续前进:

df2 = df1.sample(n=df1.shape[0])

df3= df2[df2.qty.cumsum() <= 18]

所需数据集:

Date        Id      color       qty
03-03-2018  B       blue        2
04-03-2018  D       yellow      4
04-03-2018  G       yellow      6
06-03-2018  J       yellow      5

或者像这样:

Date        Id      color       qty
02-03-2018  A       red         5
04-03-2018  D       yellow      4
04-03-2018  E       yellow      7
05-03-2018  I       yellow      1

任何帮助将非常感激!

提前致谢。

Answer 1

使用 'yellow' 过滤行并选择至少占总样本量 65% 的随机样本

import random
yellow_size = float(random.randint(65,100)) / 100
df_yellow = df3[df3['color'] == 'yellow'].sample(yellow_size*sample_size)

过滤具有其他颜色的行，并为剩余的样本大小选择一个随机样本。

others_size = 1 - yellow_size
df_others = df3[df3['color'] != 'yellow].sample(others_size*sample_size)

将它们组合起来并洗牌。

df_sample = pd.concat([df_yellow, df_others]).sample(frac=1)

更新:
如果您想同时检查两个条件，这可能是一种方法:

import random

df_sample = df

while sum(df_sample['qty']) > 18:
    yellow_size = float(random.randint(65,100)) / 100
    df_yellow = df[df['color'] == 'yellow'].sample(yellow_size*sample_size)
    others_size = 1 - yellow_size
    df_others = df[df['color'] != 'yellow'].sample(others_size*sample_size)
    df_sample = pd.concat([df_yellow, df_others]).sample(frac=1)