从单个数据帧创建多个子集，无需替换

Question

我正在尝试创建 10 个不同的 5 个成员子集，而无需从这些数据中替换（在 Python 中）：      Member CIN Needs Assessment Network Enrolled117   CS38976K                1                1118   GN31829N                1                1119   GD98216H                1                1120   VJ71307A                1                1121   OX22563R                1                1122   YW35494W                1                1123   QX20765B                1                1124   NO50548K                1                1125   VX90647K                1                1126   RG21661H                1                1127   IT17216C                1                1128   LD81088I                1                1129   UZ49716O                1                1130   UA16736M                1                1131   GN07797S                1                1132   TN64827F                1                1133   MZ23779M                1                1134   UG76487P                1                1135   CY90885V                1                1136   NZ74233H                1                1137   CB59280X                1                1138   LI89002Q                1                1139   LO64230I                1                1140   NY27508Q                1                1141   GU30027P                1                1142   XJ75065T                1                1143   OW40240P                1                1144   JQ23187C                1                1145   PQ45586F                1                1146   IM59460P                1                1147   OU17576V                1                1148   KL75129O                1                1149   XI38543M                1                1150   PO09602E                1                1151   PS27561N                1                1152   PC63391R                1                1153   WR70847S                1                1154   XL19132L                1                1我尝试对 range() 中的 _ 使用许多 random.sample() 变体。没有任何工作。到目前为止，堆栈溢出似乎没有给我我需要的结果。

Answer 1

这里有一个使用pandas.

假设这master是您使用 创建的主数据框pandas，您可以执行以下操作：

shuffled = master.sample(frac=1)

这会创建一个主数据框的副本，其中的行随机重新排序。请参阅stackoverflow 上的此答案或该方法的文档sample。

然后，您可以简单地按顺序构建 10 个较小的五行数据框。

subsets = []

for i in range(10):

    subdf = shuffled.iloc[(i*5):(i+1)*5]

    subsets.append(subdf)

subsets是包含您的小数据框的列表。做：

for sub in subsets:

    print(sub)

将它们全部打印出来并通过肉眼验证没有重复。

Answer 2

这似乎是一个组合问题。这是一个解决方案：你应该创建你的列表，比如 L。然后你决定子集的大小，比如 r。之后是代码：

from itertools import combinations combinations(L,r)

但是，如果您不想决定要创建的集合的大小，则可以使用 random 模块，如下所示：

import random from itertools import combinations combinations(L,r = random(a,b))

在这种情况下，这将从列表 L 中创建一组随机的 r（a 和 b 之间的随机整数）元素。如果你想这样做 10 次，你可以做一个for循环。

我希望这对你有用。

Answer 3

假设我们有lines一个带有数据集迭代器的变量。然后：

from random import sample

# Chunk length

chunk_len = 2

# Number of chunks

num_of_chunks = 5

# Get the sample with data for all chunks. It guarantees us that there will

# be no repetitions

random_sample = sample(lines, num_of_chunks*chunk_len)

# Construct the list with chunks

result = [random_sample[i::num_of_chunks] for i in range(num_of_chunks)]

result

将返回：

[['123   QX20765B                1                1',

  '118   GN31829N                1                1'],

 ['127   IT17216C                1                1',

  '122   YW35494W                1                1'],

 ['138   LI89002Q                1                1',

  '126   RG21661H                1                1'],

 ['120   VJ71307A                1                1',

  '121   OX22563R                1                1'],

 ['143   OW40240P                1                1',

  '142   XJ75065T                1                1']]