如何筛选Pandas DataFrame使A、B列value_counts达指定值？

完全可以实现这个需求，前提是当前各值的计数都不小于目标计数（你的数据满足这个条件）。以下是具体的Pandas实现方案：

步骤1：定义目标计数字典 #

首先把列A和列B的目标计数转换成Pandas Series，方便后续匹配：

import pandas as pd

# 假设原数据集为df
target_a = pd.Series({5:2, 10:7, 15:13, 20:10, 25:15, 30:8, 35:8}, name='target_a')
# 注意：原数据中B列的"-0"会被Pandas识别为0，所以目标字典中用0对应
target_b = pd.Series({-30:3, -20:6, -10:16, 0:25, 10:7, 20:4, 30:2}, name='target_b')

步骤2：分两次抽样满足双目标 #

先按列A的目标数量筛选，再在结果中按列B的目标数量筛选，确保最终两列的value_counts都符合要求：

# 第一步：按A列分组，每个值抽取目标数量的样本
df_filtered_a = df.groupby('A', group_keys=False).apply(
    lambda group: group.sample(n=target_a[group.name], random_state=42)
)

# 第二步：在A列筛选后的结果中，按B列分组抽取目标数量的样本
df_final = df_filtered_a.groupby('B', group_keys=False).apply(
    lambda group: group.sample(n=target_b[group.name], random_state=42)
)

验证结果 #

执行以下代码可以验证筛选后的结果是否符合目标：

print("列A的value_counts结果：")
print(df_final['A'].value_counts().sort_index())
print("\n列B的value_counts结果：")
print(df_final['B'].value_counts().sort_index())

补充说明 #

• random_state=42用于保证抽样结果可复现，不需要固定结果的话可以去掉这个参数。
• 如果担心两次抽样后某列的目标数量不满足（你的数据不存在这个问题），可以调整抽样顺序，比如先按B列筛选再按A列筛选。

内容的提问来源于stack exchange，提问作者metanoia