Groupby和熊猫样本

姆斯克桑托什

我试图对多列进行分组后对所得数据进行采样。如果相应的groupby具有两个以上的元素，则我要提取2条记录，否则要提取所有记录

df：

col1   col2   col3   col4
A1     A2     A3     A4
A1     A2     A3     A5
A1     A2     A3     A6
B1     B2     B3     B4
B1     B2     B3     B5
C1     C2     C3     C4

目标df：

col1   col2   col3   col4
A1     A2     A3     A4 or A5 or A6
A1     A2     A3     A4 or A5 or A6
B1     B2     B3     B4
B1     B2     B3     B5
C1     C2     C3     C4

我之所以提到A4或A5或A6，是因为当我们采样时，三个都可能返回

到目前为止，这是我尝试过的：

trial = pd.DataFrame(df.groupby(['col1', 'col2','col3'])['col4'].apply(lambda x: x if (len(x) <=2) else x.sample(2)))

但是，在此我没有得到col1，col2和col3

耶斯列尔

我认为需要双重reset_index-首先是删除3.rd级别，MultiIndex其次是转换MultiIndex为列：

trial= (df.groupby(['col1', 'col2','col3'])['col4']
        .apply(lambda x: x if (len(x) <=2) else x.sample(2))
        .reset_index(level=3, drop=True)
        .reset_index())

或reset_index用drop为删除列level_3：

trial= (df.groupby(['col1', 'col2','col3'])['col4']
        .apply(lambda x: x if (len(x) <=2) else x.sample(2))
        .reset_index()
        .drop('level_3', 1))

print (trial)
  col1 col2 col3 col4
0   A1   A2   A3   A4
1   A1   A2   A3   A6
2   B1   B2   B3   B4
3   B1   B2   B3   B5
4   C1   C2   C3   C4

本文收集自互联网，转载请注明来源。

如有侵权，请联系 [email protected] 删除。