对数据框进行分组并在组之间以相等概率抽样n行

Question

我有一个这样的 pandas 数据框：

     ID  Value
0     a     2
1     a     4
2     b     6
3     c     8
4     c    10
5     c    12

我想从 ID 组中进行均匀抽样。我知道可以通过 ID 对数据框进行分组，然后指定想从每个组中抽取的行数，像这样： df.groupby("ID").sample(n=2, replace = True)。但是，我只是希望从每个组抽样的概率相同，并不一定要每个组抽取的行数完全一样。

Answer 1

你可以用frac来代替你示例代码中的n。这样可以让你对某个ID使用50%的样本：

newdf=df.groupby("ID").sample(frac=0.5, replace = True)
display(newdf)

Answer 2

如果你想从每个组中大致以相同的概率抽取N行数据，你可以先对每个组进行过采样，然后再进行抽样：

import math

N = 4

out = (df.groupby('ID').sample(n=math.ceil(N/df['ID'].nunique()), replace=True)
         .sample(N)
      )

示例输出：

  ID  Value
2  b      6
2  b      6
4  c     10
1  a      4

当N = 10时：

  ID  Value
0  a      2
2  b      6
5  c     12
3  c      8
1  a      4
5  c     12
2  b      6
1  a      4
1  a      4
2  b      6

当N = 100时的比例：

ID
b    0.34
a    0.33
c    0.33
Name: proportion, dtype: float64