python - Python Pandas - 采样：限制随机选择的项目数量

Question

假设我有一个如下所示的数据框：

id_1 id_2
aa    123 
bb    123 
cc    234
dd    123
ee    678
FF    456
gg   123

如何在id_2列中最多只能有 3 个（或任何其他数量）相同项目的条件下进行抽样？我们不一定需要此列有 3 或 2 个相同的项目（因为它是随机样本，它必须是随机选择），但如果要重复它最多可以是 X 次（由临界点）

说 n=5 和 3 的阈值

id_1 id_2
aa    123  
dd    123
ee    678
FF    456
gg    123

标签： pythonpandassampling

Answer 1

import pandas as pd
df = pd.read_clipboard()

def get_sample(df, thresh):
    df1 = df.sample(n=5)
    while df1.id_2.value_counts().max() > thresh:
        print(df1.id_2.value_counts().max())
        df1 = df.sample(n=5)
    return df1

df1 = get_sample(df, 3)

print(df1)

    id_1    id_2
3   dd  123
4   ee  678
5   FF  456
6   gg  123
1   bb  123