python - 具有分层类别的样本

Question

我有一个包含 100 万条数据的集合。

在文档中有两个字段：

• 一个可以取 10 个值的字符串（我们称之为 A）
• 一个int（我们称之为B）

我想要一个包含 25% 的数据的样本，该样本符合这两个规则：

1 - A 在样本中的分布应该与在原始集合中的分布相同

2 - 对于此特定分布，选择 B 较大的数据

标签： pythondatabasemongodbnosqlpymongo