随机组合 pandas 组对象

Question

问题：

如何使用 pandas df.groupby() 函数来创建随机选择的组？

示例：

我想将数据帧分组为大小为 n 的随机组，其中 n 对应于给定列中唯一值的数量。

我有一个包含各种列的数据框，包括“id”。有些行具有唯一的 ID，而其他行可能具有相同的 ID。例如：

   c1 id c2
0   a  1  4
1   b  2  6
2   c  2  2
3   d  5  7 
4   y  9  3

实际上，这个数据框最多可以有 1000 行左右。

我希望能够使用以下标准对该数据框进行分组：

• 每个组最多应包含 n 个唯一 ID
• id 不能出现在多个组中
• 应随机选择给定组中的特定 ID
• 每个 id 都应该出现在一个组中

例如，示例数据框（上图）可能变为：

组1：

   c1 id c2
0   a  1  4
4   y  9  3

组2：

   c1 id c2
1   b  2  6
2   c  2  2
3   d  5  7 

其中 n = 2

感谢您的建议。

Answer 1

uniq groupby 声明似乎很难。一种方法：

uniq=df['id'].unique()
random.shuffle(uniq)
groups=np.split(uniq,2)
dfr=df.set_index(df['id'])

for gp in groups : print (dfr.loc[gp])

对于

   c1  id  c2
id           
9   y   9   3
1   a   1   4

   c1  id  c2
id           
5   d   5   7
2   b   2   6
2   c   2   2

如果组的大小(n) 不能分割len(uniq)，您可以改用np.split(uniq,range(n,len(uniq),n))。

Answer 2

这是一种方法：

import numpy as np

df = pd.DataFrame({'c1':list('abcdy'), 'id':[1,2,2,5,9], 'c2':[4,6,2,7,3]})

n = 2
shuffled_ids = np.random.permutation(df['id'].unique())
id_groups  = [shuffled_ids[i:i+n] for i in xrange(0, len(shuffled_ids), n)]
groups = [df['id'].apply(lambda x: x in g) for g in id_groups]

输出：

In [1]: df[groups[0]]
Out[1]:
  c1  c2  id
1  b   6   2
2  c   2   2
3  d   7   5

In [2]: df[groups[1]]
Out[2]:
  c1  c2  id
0  a   4   1
4  y   3   9

这种方法不涉及更改索引，以防您需要保留它。