随机抽样和 Pandas 数据帧答案

【问题标题】：Random sampling and Pandas dataframes随机抽样和 Pandas 数据帧
【发布时间】：2015-08-16 12:55:53
【问题描述】：

我有以下数据帧 cr_df，它显示了 ID1 转换为 ID2 的速率

ID1 ID2 转化率 0 1 一个 0.046562 1 1 B 0.315975 2 1 C 0.577998 3 1 D 0.059465 4 2 0.6 5 2 乙 0.4

然后我还有另外一个dataframe，raw_df，格式为ID1如：

ID1 值 0 1 100 1 2 200

我的目标是输出一个 dataframe final_df，其 ID2 格式类似于：

ID2 值 0℃ 100 1 A 200

其中来自 ID1 的映射包括选择 0 到 1 之间的随机值并根据转化率选择 ID2。

如何在 pandas 中实现这一点？（我需要使用 .apply 吗？）

【问题讨论】：

标签： python pandas

【解决方案1】：

鉴于此设置：

import numpy as np
import pandas as pd

df = pd.DataFrame({
    'ID1': [1]*4+[2]*2, 'ID2':list('ABCDAB'), 
    'Conversion Rate': [0.046562, 0.315975, 0.577998, 0.059465, 0.6, 0.4]})
raw_df = pd.DataFrame({'ID1': [1,2], 'Value':[100, 200]})

你可以定义一个函数random_id2:

def random_id2(x):
    return np.random.choice(x['ID2'], p=x['Conversion Rate'].values)

并使用groupby/apply:

id2 = df.groupby(['ID1']).apply(random_id2)

获取系列

ID1
1    C
2    A
dtype: object

然后您可以通过将raw_df['ID1'] 值映射到id2 值来构建final_df：

final_df = raw_df.copy()
final_df['ID1'] = final_df['ID1'].map(id2)
final_df = final_df.rename(columns={'ID1': 'ID2'})

import numpy as np
import pandas as pd

df = pd.DataFrame({
    'ID1': [1]*4+[2]*2, 'ID2':list('ABCDAB'), 
    'Conversion Rate': [0.046562, 0.315975, 0.577998, 0.059465, 0.6, 0.4]})
raw_df = pd.DataFrame({'ID1': [1,2], 'Value':[100, 200]})

def random_id2(x):
    return np.random.choice(x['ID2'], p=x['Conversion Rate'].values)

id2 = df.groupby(['ID1']).apply(random_id2)

final_df = raw_df.copy()
final_df['ID1'] = final_df['ID1'].map(id2)
final_df = final_df.rename(columns={'ID1': 'ID2'})

print(final_df)

产量

  ID2  Value
0   C    100
1   A    200

【讨论】：

【解决方案2】：

您可以执行以下组合：

要对行进行加权随机选择，请使用this question 中的答案；具体来说，使用df[Conversion Rate] 给出的权重对range(len(df)) 进行加权选择。
要选择具有给定索引的行，请参阅here。
要将生成的数据帧与第二个数据帧连接，请使用merge

【讨论】：