DataFrame中按某字段分类并且取该分类随机数量的数据
最近有个需求,把某个df中的数据,按照特定字段分类,并且每个分类只取随机数量数据,这个随机数量需要有范围限制。写出来记录下。
def randomCutData(self, df, startNum):grouped = df.groupby('classify_label')df_sampled = pd.DataFrame()for _, group in grouped:num_samples = len(group)num_random_samples = random.randint(min(startNum, num_samples),num_samples)sampled_group = group.sample(n=num_random_samples, random_state=42)df_sampled = pd.concat([df_sampled, sampled_group])return df_sampled.copy()self.randomCutData(df, 50).copy().reset_index(drop=True).to_csv('xxxxx.csv', index=False)
这里面的startNum是起始数量,如果该分类都没达到起始数量的话,就直接取该类的全部数据。