pandas.core.groupby.DataFrameGroupBy.sample

DataFrameGroupBy.sample(n=None, frac=None, replace=False, weights=None, random_state=None)

从每个组中返回一个随机样本项。

你可以使用 random_state 以实现可重复性。

参数:

nint, 可选

每个组返回的项目数。不能与 frac 一起使用，并且除非 replace 为 True，否则不能大于最小组的大小。如果 frac 为 None，默认值为 1。

fracfloat, 可选

返回项目的一部分。不能与 n 一起使用。

替换bool, 默认 False

允许或不允许对同一行进行多次采样。

权重类似列表的，可选的

默认 None 会导致等概率加权。如果传递一个类似列表的对象，则值的长度必须与底层 DataFrame 或 Series 对象的长度相同，并且在每个组内归一化后将用作采样概率。值必须为非负数，并且在每个组内至少有一个正元素。

random_stateint, 类数组, BitGenerator, np.random.RandomState, np.random.Generator, 可选

如果是整数、类数组或 BitGenerator，则为随机数生成器的种子。如果是 np.random.RandomState 或 np.random.Generator，则按给定使用。默认 None 会导致使用当前 np.random 状态进行采样。

在 1.4.0 版本发生变更: 现在接受 np.random.Generator 对象

返回:

系列或数据框

调用者对象的相同类型的新对象，包含从调用者对象的每个组中随机抽样的项目。

参见

DataFrame.sample

从 DataFrame 对象生成随机样本。

Series.sample

从 Series 对象生成随机样本。

numpy.random.choice

从给定的 1-D numpy 数组生成一个随机样本。

例子

>>> df = pd.DataFrame(
...     {"a": ["red"] * 2 + ["blue"] * 2 + ["black"] * 2, "b": range(6)}
... )
>>> df
       a  b
0    red  0
1    red  1
2   blue  2
3   blue  3
4  black  4
5  black  5

为列 a 中的每个不同值随机选择一行。可以使用 random_state 参数来保证可重复性：

>>> df.groupby("a").sample(n=1, random_state=1)
       a  b
4  black  4
2   blue  2
1    red  1

将 frac 设置为采样固定比例而不是数量：

>>> df.groupby("a")["b"].sample(frac=0.5, random_state=2)
5    5
2    2
0    0
Name: b, dtype: int64

通过设置权重来控制组内样本概率：

>>> df.groupby("a").sample(
...     n=1,
...     weights=[1, 1, 1, 0, 0, 1],
...     random_state=1,
... )
       a  b
5  black  5
2   blue  2
0    red  0