熊猫分层采样

Question

我看过Sklearn stratified sampling docs以及pandas docs和Stratified samples from Pandas和sklearn stratified sampling based on a column但他们没有解决这个问题。

我正在寻找一种快速的熊猫/ sklearn/numpy方法来从数据集中生成大小为n的分层样本。但是，对于小于指定采样数的行，它应该采用所有条目。

具体的例子：

谢谢！ :)

Answer 1

将数字传递给样本时使用min。考虑数据帧df

df = pd.DataFrame(dict(
     A=[1, 1, 1, 2, 2, 2, 2, 3, 4, 4], 
     B=range(10) 
    )) 

df.groupby('A', group_keys=False).apply(lambda x: x.sample(min(len(x), 2))) 

    A B 
1 1 1 
2 1 2 
3 2 3 
6 2 6 
7 3 7 
9 4 9 
8 4 8