熊猫数据矢量化抽样

Question

我有一个简单的df，它形成了一个pivot_table：

    d = {'one' : ['A', 'B', 'B', 'C', 'C', 'C'], 'two' : [6., 5., 4., 3., 2., 1.],     'three' : [6., 5., 4., 3., 2., 1.], 'four' : [6., 5., 4., 3., 2., 1.]}
    df = pd.DataFrame(d)
    pivot = pd.pivot_table(df,index=['one','two'])

我想从每个不同的元素中随机抽取1行，这些元素来自于得到的pivot对象中的“one”列。(在本例中，'A‘将始终被采样，而'B’和‘C’有更多的选项。)我刚开始使用0.18.0版本的熊猫，我知道.sample方法。我处理了应用抽样函数的.groupby方法，如下所示：

    grouped = pivot.groupby('one').apply(lambda x: x.sample(n=1, replace=False))

当我尝试这个主题的变体时，我提出了一个KeyError，所以我认为是时候对这个看似简单的问题提出一些新的观点了……

谢谢你的帮助！

Answer 1

引发KeyError的原因是，“one”不是pivot中的列，而是索引的名称：

In [11]: pivot
Out[11]:
         four  three
one two
A   6.0   6.0    6.0
B   4.0   4.0    4.0
    5.0   5.0    5.0
C   1.0   1.0    1.0
    2.0   2.0    2.0
    3.0   3.0    3.0

您必须使用level参数：

In [12]: pivot.groupby(level='one').apply(lambda x: x.sample(n=1, replace=False))
Out[12]:
             four  three
one one two
A   A   6.0   6.0    6.0
B   B   4.0   4.0    4.0
C   C   1.0   1.0    1.0

这是不完全正确的，因为索引是重复的！用as_index=False稍微好一点

In [13]: pivot.groupby(level='one', as_index=False).apply(lambda x: x.sample(n=1))
Out[13]:
           four  three
  one two
0 A   6.0   6.0    6.0
1 B   4.0   4.0    4.0
2 C   2.0   2.0    2.0

注意:这每次都会选择一个随机行。

作为另一种选择，一种可能更具表现力的变体(提取子帧)：

In [21]: df.iloc[[np.random.choice(x) for x in g.indices.values()]]
Out[21]:
   four one  three  two
1   5.0   B    5.0  5.0
3   3.0   C    3.0  3.0
0   6.0   A    6.0  6.0