python - 如何在保持行顺序的同时从 Pandas DataFrame 中采样

Question

给定任何二维 DataFrame，您可以调用例如。df.sample(frac=0.3)检索样本。但是此示例将完全打乱行顺序。

有没有一种简单的方法来获取保留行顺序的子样本？

Answer 1

我们可以做的是使用df.sample()，然后按原始行顺序对结果索引进行排序。附加sort_index()调用就可以了。这是我的代码：

df = pd.DataFrame(np.random.randn(100, 10))
result = df.sample(frac=0.3).sort_index()

您甚至可以按升序获得它。文档在这里。

Answer 2

问题的措辞方式听起来像是接受的答案没有提供有效的解决方案。我不确定 OP 真正想要什么。但是，如果我们不假设原始索引已经排序，我们就不能依赖于sort_index()根据原始顺序对行重新排序。

假设我们有一个具有任意索引的 DataFrame

df = pd.DataFrame(np.random.randn(100, 10), np.random.rand(100))

我们可以先重置索引，得到一个 RangeIndex，采样，重新排序，恢复原索引

df_sample = df.reset_index().sample(frac=0.3).sort_index().set_index("index")

这保证了我们保持原始顺序，无论它是什么，无论索引是什么。

最后，如果已经有一个名为“index”的列，我们需要做一些稍微不同的事情，比如先重命名索引，或者在采样时将它保存在一个单独的变量中。但是原理还是一样的。