pandas.core.groupby.SeriesGroupBy.sample #

系列分组依据。样本n = None frac = None replace = False weights = None random_state = None[来源] #

返回每组中项目的随机样本。

您可以使用random_state来实现可重复性。

参数
n整数,可选

每组返回的项目数。不能与frac一起使用 ,并且不得大于最小组,除非 Replace为 True。如果frac为 None,则默认值为 1 。

压裂浮子,可选

要返回的项目的比例。不能与n一起使用。

替换bool,默认 False

允许或禁止对同一行多次采样。

权重列表式,可选

默认 None 会导致相等的概率加权。如果传递类似列表,则值必须与基础 DataFrame 或 Series 对象具有相同的长度,并且在每个组内标准化后将用作采样概率。值必须是非负数,并且每组中至少有一个正元素。

random_state int,类似数组,BitGenerator,np.random.RandomState,np.random.Generator,可选

如果是 int、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,请按给定方式使用。

版本 1.4.0 中更改:现在接受 np.random.Generator 对象

返回
系列或数据框

与调用者类型相同的新对象,包含从调用者对象的每组中随机采样的项目。

也可以看看

DataFrame.sample

从 DataFrame 对象生成随机样本。

numpy.random.choice

从给定的一维 numpy 数组生成随机样本。

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 a 列中的每个不同值随机选择一行。 random_state 参数可用于保证再现性:

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

frac设置为固定比例采样而不是计数:

>>> 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的样本概率:

>>> 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