从 3 个不同的组中随机选择 50% 的记录进行 A/B 测试答案

【问题标题】：Randomly select 50% of records from 3 different groups for A/B test从 3 个不同的组中随机选择 50% 的记录进行 A/B 测试
【发布时间】：2022-01-08 15:12:57
【问题描述】：

抱歉，如果这已经被问过了。我正在尝试设置一个小型 A/B 测试并将记录平均 (50%) 分成 3 个类别：Low intent、Medium intent、High intent。我想随机选择 3 个类别中的 50% 到对照组，50% 到治疗组到另一列。

样本数据：

|ID|Buyer Intent  |Email
:--:|:-----------:|:-------------|
|1  |Low Intent   |john@gmail.com|
|2  |Medium Intent|jane@gmail.com|
|3  |Medium Intent|tom@gmail.com |
|4  |Low Intent   |sara@gmail.com|
|5  |High Intent  |mich@gmail.com|
|6  |High Intent  |sall@gmail.com|

所需数据：

|ID|Buyer Intent |Email           |Group
:--|:-----------:|:--------------:|:----------:|
|1 |Low Intent   |john@gmail.com  |Control     |
|2 |Medium Intent|jane@gmail.com  |Treatment   |
|3 |Medium Intent|tom@gmail.com   |Control     |
|4 |Low Intent   |sara@gmail.com  |Treatment.  |
|5 |High Intent  |mich@gmail.com  |Treatment.  |
|6 |High Intent  |sall@gmail.com  | Control.   |

【问题讨论】：

感谢您提供的数据。请以更易于复制和粘贴到程序中的格式提供，例如df.head().to_dict('list')。

标签： python pandas dataframe numpy

【解决方案1】：

使用groupby.sample 选择每组50% 的记录，然后使用np.where 分配标签：

control = df.groupby('Buyer Intent').sample(frac=0.5).index

df['Group'] = np.where(df.index.isin(control), 'Control', 'Treatment')

#    ID   Buyer Intent           Email      Group
# 0   1     Low Intent  john@gmail.com    Control
# 1   2  Medium Intent  jane@gmail.com    Control
# 2   3  Medium Intent   tom@gmail.com  Treatment
# 3   4     Low Intent  sara@gmail.com  Treatment
# 4   5    High Intent  mich@gmail.com    Control
# 5   6    High Intent  sall@gmail.com  Treatment

注意groupby.sample 已经随机化了：

从每个组中返回一个随机项目样本。

但要显式随机播放，您可以添加DataFrame.sample 和frac=1：

# shuffle df
df = df.sample(frac=1)

# same as before
control = df.groupby('Buyer Intent').sample(frac=0.5).index
df['Group'] = np.where(df.index.isin(control), 'Control', 'Treatment')

如果你没有groupby.sample (pandas

试试groupby.apply + DataFrame.sample：

control = df.groupby('Buyer Intent').apply(lambda g: g.sample(frac=0.5))
df['Group'] = np.where(df.index.isin(control), 'Control', 'Treatment')

或groupby.apply + np.random.choice:

control = df.groupby('Buyer Intent').apply(lambda g: np.random.choice(g.index, int(len(g)/2)))
df['Group'] = np.where(df.index.isin(control), 'Control', 'Treatment')

【讨论】：

有没有办法随机选择。数据可能按某种顺序排列，我想确保该组是随机选择的。我可以使用 numpy.random.shuffle 吗？
我看到 AttributeError: Cannot access callable attribute 'sample' of 'DataFrameGroupBy' objects，尝试使用 'apply' 方法。这里可能有什么工作？谢谢
@RyanDan 你的pd.__version__ 是什么？ groupby.sample 是在 1.1.0 版（2020 年 7 月）中引入的，所以听起来你的版本比较旧。你能更新吗？
@RyanDan 我用groupby.apply 发布了一个解决方法，但我仍然建议尽可能更新
是的。我能够更新熊猫并且最初的方式有效。谢谢

【解决方案2】：

要选择 50%，您必须使用从每个组中返回随机项目样本的东西，这个东西称为“groupby.sample”。
接下来你需要一些东西来根据条件返回选择的项目，这个东西叫做 np.where。

【讨论】：