python - 如何在熊猫中获取 x% 的数据集

Question

我有一个几乎有 3000k 行的数据集。这些是数据集的标签。

现在我想获得每个标签的 10% 用于早期分析和算法。这是一个粗略的估计。

当然，我想在其中打乱行，这意味着我不想这样做，df[df['Label']==BENIGN].iloc[0:235909,:]因为这将获得前 235k 行，但我想从中打乱行。怎么做？

标签： pythonpandas

Answer 1

尝试sample

df.groupby('Label').sample(frac=0.1)

---

编辑：要为一个类采样不同的分数：

df.groupby('Label').apply(lambda x: x.sample(frac=0.01 if x.Label.iloc[0]=='Benign' else 0.1)