採摘使用GROUPBY熊貓隨機元素

Question

我有數據幀，看起來像這樣：

revisionId itemId wikidataType 
1 307190482  23   Q5 
6 305019084  80   Q5 
8 303692414  181   Q5 
9 306600439  192   Q5 
11 294597048  206   Q5 

在完全數據幀，則不存在中柱wikidataType 100個這樣不同的值。它是一個很大的數據框，所以我想將它限制爲每個wikidataType 1000條記錄。因此，我用了以下東西：

df = df[df.groupby('wikidataType')['wikidataType'].cumcount() < 1000] 

這給出了每個wikidataType的前1000條記錄。我想隨機選擇這1000條記錄。所以，我嘗試使用

df = df[random.sample(list(df.groupby('wikidataType')['wikidataType']), 1000)] 

但給了一個錯誤：

TypeError: 'Series' objects are mutable, thus they cannot be hashed

我甚至嘗試

df = df[df.groupby('wikidataType')['wikidataType'].cumcount().random() < 1000] 

但也沒有工作。任何人都知道我該怎麼做？

在此先感謝。

Answer 1

，我會建議，如果你想第一 1000元，一個更簡單的方法將使用groupby + head：

df = df.groupby('wikidataType').head(1000) 

如果你想在1000個隨機元素，調用sample：

df = df.groupby('wikidataType', group_keys=False)\ 
          .apply(lambda x: x.sample(1000)) 

您可以選擇指定一個小數部分代替：

df = df.groupby('wikidataType', group_keys=False)\ 
          .apply(lambda x: x.sample(frac=len(x) * .1)) 

它給你10％的每種元素類型。如果您的人口數量有所不同，或者您在任何組中的元素少於1000個，這將有所幫助。

---

少許修改這個方法，根據您的意見，將是：

df = df.groupby('wikidataType', group_keys=False)\ 
       .apply(lambda x: x.sample(1000) if len(x) > 1000 else x)