使用唯一值子集dataframe，并返回每个唯一值的所有行

Question

我试图基于唯一值获取熊猫数据帧的子集

我的整个数据框大约有5k行，其中每行有一个ID和文本，每个ID可以有多个文本条目。dataframe对象如下所示：

Text | ID
bla    1
blu    1 
ble    1 
bli    3
bly    3
bln    2
blt    2
blk    2
blv    2
blw    6

我想做的是指定一些唯一的ID，例如3，并返回它的所有行，其中最终结果如下所示：

    Text | ID 
    bli    3
    bly    3
    bln    2
    blt    2
    blk    2
    blv    2
    blw    6

返回哪个ID并不重要，只要它是3个ID，如果我重新运行该方法，它总是相同的3个ID

我知道如何使用此方法选择数据帧的unqiue值：

unique = df['ID'].nunique()

但这就是我智慧的终点——感谢任何帮助

Answer 1

如果哪3个ID不重要，您可以使用 unique_3 = df['ID'].unique[:3]，然后选择带有df_id = df[df["ID"].isin(unique_3)]的行

Answer 2

使用np.random.RandomState和种子进行重复性，使用np.random.choice和replace=False选择不同的元素，然后pd.Series.unique形成候选，使用pd.Series.isin掩盖所需的ID三联体：

def get_unique_id_subset(df, k=3, seed=51):
    id_list = np.random.RandomState(seed).choice(df.ID.unique(), k, replace=False)
    return df[df.ID.isin(id_list)]

使用：

>>> get_unique_id_subset(df)
  Text  ID
0  bla   1
1  blu   1
2  ble   1
3  bli   3
4  bly   3
9  blw   6

>>> get_unique_id_subset(df)  # same result as before
  Text  ID
0  bla   1
1  blu   1
2  ble   1
3  bli   3
4  bly   3
9  blw   6

>>> get_unique_id_subset(df, seed=19)  # changed the seed
  Text  ID
0  bla   1
1  blu   1
2  ble   1
5  bln   2
6  blt   2
7  blk   2
8  blv   2
9  blw   6

>>> get_unique_id_subset(df, seed=19)  # result consistent with the seed
  Text  ID
0  bla   1
1  blu   1
2  ble   1
5  bln   2
6  blt   2
7  blk   2
8  blv   2
9  blw   6