根据条件pandas python随机选择行答案

【问题标题】：Select rows randomly based on condition pandas python根据条件pandas python随机选择行
【发布时间】：2016-06-02 13:53:55
【问题描述】：

我有一个小的测试数据样本：

import pandas as pd

df = {'ID': ['H900','H901','H902','','M1435','M149','M157','','M699','M920','','M789','M617','M991','H903','M730','M191'],
  'Clone': [0,1,2,2,2,2,2,2,3,3,3,4,4,4,5,5,6],
  'Length': [48,42  ,48,48,48,48,48,48,48,48,48,48,48,48,48,48,48]}

df = pd.DataFrame(df)

看起来像：

df
Out[4]: 
      Clone   ID  Length
0       0   H900      48
1       1   H901      42
2       2   H902      48
3       2             48
4       2  M1435      48
5       2   M149      48
6       2   M157      48
7       2             48
8       3   M699      48
9       3   M920      48
10      3             48
11      4   M789      48
12      4   M617      48
13      4   M991      48
14      5   H903      48
15      5   M730      48
16      6   M191      48

我想要一个简单的脚本来随机选择例如 5 行，但只选择包含 ID 的行，它不应包含任何不包含 ID 的行。

我的脚本：

import pandas as pd
import numpy as np

df = {'ID': ['H900','H901','H902','','M1435','M149','M157','','M699','M920','','M789','M617','M991','H903','M730','M191'],
  'Clone': [0,1,2,2,2,2,2,2,3,3,3,4,4,4,5,5,6],
  'Length': [48,42  ,48,48,48,48,48,48,48,48,48,48,48,48,48,48,48]}

df = pd.DataFrame(df)

rows = np.random.choice(df.index.values, 5)
sampled_df = df.ix[rows]

sampled_df.to_csv('sampled_df.txt', sep = '\t', index=False)

但此脚本有时会挑选出不包含 ID 的行

【问题讨论】：

标签： python pandas random

【解决方案1】：

我认为你需要用boolean indexing过滤空ID：

import pandas as pd
import numpy as np

df = {'ID': ['H900','H901','H902','','M1435','M149','M157','','M699','M920','','M789','M617','M991','H903','M730','M191'],
  'Clone': [0,1,2,2,2,2,2,2,3,3,3,4,4,4,5,5,6],
  'Length': [48,42  ,48,48,48,48,48,48,48,48,48,48,48,48,48,48,48]}

df = pd.DataFrame(df)
print (df)
df = df[df.ID != '']

rows = np.random.choice(df.index.values, 5)
sampled_df = df.loc[rows]
print (sampled_df)

【讨论】：

最近偶然发现了这一点，并意识到在 pandas==1.2.2 上 ix 已被弃用，请改用 loc。

【解决方案2】：

在这种情况下也可以使用查询然后采样。像这样：

df = df.query('(ID != "")').sample(n=5)

【讨论】：