如何在多索引熊猫数据框中获取随机样本？答案

【问题标题】：how to get a random sample in a multiindex pandas dataframe?如何在多索引熊猫数据框中获取随机样本？
【发布时间】：2016-01-28 02:06:41
【问题描述】：

我有一个根据以下变量索引的数据框：名称 - 日期。名称是某种奇怪的 ID，而日期是.. 一个日期。

数据非常大，我想检查我拥有的几个随机选择 NAME 的数据。

也就是说，

从可能的名称中随机选择一个名称
检查此 NAME 的数据，按时间排序。

我不知道该怎么做。我看到我们可以使用get_level_values，但是我并没有具体的名字，我只是想多次调用随机样本。

任何帮助表示赞赏！谢谢！

【问题讨论】：

是多索引还是“名称-日期”形式的索引？
多索引df=set_index(['name','date'])

标签： python pandas random-sample

【解决方案1】：

import pandas as pd
import numpy as np
import random
import string

df = pd.DataFrame(data={'NAME': [''.join(random.choice(string.ascii_uppercase + string.ascii_lowercase + string.digits) for _ in range(17)) for _ in range(10)],
            'Date': pd.date_range('1/01/2016', periods=10),
            'Whatever': np.random.randint(20, 50, 10)},
                  columns=['NAME', 'Date', 'Whatever']).set_index(['NAME', 'Date'])

random_df = df[df.index.get_loc(np.random.choice(df.index.levels[0])) == True].sort_index(level=1)
print(random_df)

返回一个看起来像这样的df：

                              Whatever
NAME              Date                
xg71zOEQVOEfCZ2ne 2016-01-01        35
qLCXuEerCXi6gmF1Y 2016-01-02        26
0vDe7x8TIb5FRv7hV 2016-01-03        40
Ddc6FGKBdtcLqT53O 2016-01-04        31
IYcrKG9pjt7mHH3qn 2016-01-05        44
lAWObNTC8yXPMY3v5 2016-01-06        49
k90QWdPc5qFSCFi1c 2016-01-07        22
BWQoHo8lUyEwK9Nuf 2016-01-08        42
Xt0bxUerTan0i1eGw 2016-01-09        22
tc7PYCzpyGmYLbnxu 2016-01-10        46

一个看起来像这样的random_df：

                              Whatever
NAME              Date                
IYcrKG9pjt7mHH3qn 2016-01-05        44

【讨论】：

【解决方案2】：

你可以忘记你的多索引，只使用isin和sample：

import random
df = df.reset_index()
df[df['NAME'].isin(random.sample(list(df['NAME'].unique()),5))]

【讨论】：

谢谢@maxymoo！就一个问题。您的代码不能完全满足我的需要，对吗？ df['NAME'].sample(5)) 只是得到一个随机的 5 行样本，可能包含也可能不包含不同的名称。相反，我想从数据中提取一个名称......并可能保留多索引结构
名字太多而且没有意义（比如 IDigfvruhncfd7654 ）。因此需要随机获取其中一个