pandas DataFrame如何按年月分组后每组随机抽取10行存入新数据框

实现代码 #

方法1：高版本pandas（1.1.0+）最简写法

# 按年月分组，每组无放回随机抽取10行
sampled_df = df.groupby(df['daate'].dt.to_period('M')).sample(
    n=10, 
    random_state=42, 
    replace=False
)

方法2：兼容所有pandas版本的写法

sampled_df = df.groupby(df['daate'].dt.to_period('M')).apply(
    lambda group: group.sample(n=10, random_state=42, replace=False)
).reset_index(drop=True)

参数说明 #

• 分组键df['daate'].dt.to_period('M')：将datetime类型的日期列转换为年月周期值，相同年月的行会被分到同一组
• n=10：指定每个分组抽取10行，你当前每个分组固定100行，完全满足抽样要求
• random_state=42：固定随机种子，可保证每次运行抽样结果一致，不需要复现结果可删除该参数
• replace=False：设置无放回抽样，避免同一分组内抽到重复行
• reset_index(drop=True)：清除分组生成的冗余索引，最终得到的新DataFrame为连续索引

如果后续你的数据分组行数不固定，也可以把参数n=10替换为frac=0.1，代表每组固定抽取10%的行数。

内容的提问来源于stack exchange，提问作者MC2020