熊猫:在不同样本中避免两倍相同的值

Question

我有这5000行数据。

我想从数据中随机抽取300行的样本。我希望我的每个样本中没有副本在样本中，但我也不希望在样本之间重复。例如，我不想在示例1和示例3中出现一行。

我试过df.sample(300,replace=False)，但这还不够。

我也搜索了论坛，但没有找到我想要的。

我如何在不做批组的情况下对熊猫进行编码？

Answer 1

我不认为熊猫有专门的功能，但是这样做怎么样：

df = pd.DataFrame({"col": range(5000)})

sample = df.sample(1200, replace= False)

sample.duplicated().any()
>> False                    # <-- no duplicates

samples = [sample.iloc[i-300:i] for i in range(300, 1500, 300)] # <-- 4 samples

考虑到.sample将返回一个不需要替换的随机选择，这将实现您想要的结果。