pandas.core.groupby.SeriesGroupBy.sample

SeriesGroupBy.sample(n=None, frac=None, replace=False, weights=None, random_state=None)[source]

Возвращает случайную выборку элементов из каждой группы.

Можно использовать random_state для воспроизводимости.

Параметры:

n:int, необязательно

Количество элементов для возврата из каждой группы. Не может быть использовано с frac и должно быть не больше наименьшей группы, если replace равно True. По умолчанию равно одному, если frac равно None.

frac:float, необязательно

Доля элементов для возврата. Не может быть использовано с n.

replace:bool, по умолчанию False

Разрешить или запретить выборку одного и того же ряда более одного раза.

weights:последовательность, необязательно

По умолчанию None, что приводит к равной вероятности взвешивания. Если передается последовательность, значения должны иметь такую же длину, как и основной DataFrame или Series, и будут использоваться в качестве вероятностей выборки после нормализации в каждой группе. Значения должны быть неотрицательными с по крайней мере одним положительным элементом в каждой группе.

random_state:int, массив, BitGenerator, np.random.RandomState, np.random.Generator, необязательно

Если целое число, массив или BitGenerator, seed для генератора случайных чисел. Если np.random.RandomState или np.random.Generator, использовать как есть.

Изменено в версии 1.4.0: Теперь принимаются объекты np.random.Generator

Возвращает:

Series или DataFrame

Новый объект того же типа, что и вызывающий, содержащий элементы, случайно выбранные в каждой группе из вызывающего объекта.

См. также

DataFrame.sample

Генерация случайных выборок из объекта DataFrame.

numpy.random.choice

Генерация случайной выборки из заданного одномерного массива numpy.

Примеры

>>> df = pd.DataFrame(
...     {"a": ["red"] * 2 + ["blue"] * 2 + ["black"] * 2, "b": range(6)}
... )
>>> df
       a  b
0    red  0
1    red  1
2   blue  2
3   blue  3
4  black  4
5  black  5

Выбор одной строки случайным образом для каждого уникального значения в столбце a. Аргумент random_state можно использовать для обеспечения воспроизводимости:

>>> df.groupby("a").sample(n=1, random_state=1)
       a  b
4  black  4
2   blue  2
1    red  1

Установите frac, чтобы получить фиксированную долю выборок, а не количества:

>>> df.groupby("a")["b"].sample(frac=0.5, random_state=2)
5    5
2    2
0    0
Name: b, dtype: int64

Управление вероятностями выборки в группах путем установки весов:

>>> df.groupby("a").sample(
...     n=1,
...     weights=[1, 1, 1, 0, 0, 1],
...     random_state=1,
... )
       a  b
5  black  5
2   blue  2
0    red  0