熊貓分層採樣

Question

我看過Sklearn stratified sampling docs以及pandas docs和Stratified samples from Pandas和sklearn stratified sampling based on a column但他們沒有解決這個問題。

我正在尋找一種快速的熊貓/ sklearn/numpy方法來從數據集中生成大小爲n的分層樣本。但是，對於小於指定採樣數的行，它應該採用所有條目。

具體的例子：

謝謝！ :)

Answer 1

將數字傳遞給樣本時使用min。考慮數據幀df

df = pd.DataFrame(dict(
     A=[1, 1, 1, 2, 2, 2, 2, 3, 4, 4], 
     B=range(10) 
    )) 

df.groupby('A', group_keys=False).apply(lambda x: x.sample(min(len(x), 2))) 

    A B 
1 1 1 
2 1 2 
3 2 3 
6 2 6 
7 3 7 
9 4 9 
8 4 8