Sampling eine gruppierte Datenrahmen durch Spalte

Question

Ich habe einen Datenrahmen, die ich Gruppierung bin wie folgt und bestimmte Operationen auf bestimmte Spalten anwenden:

df = df.groupby(['A', 'B', 'C']).agg({'ID': 'count', 'AMT': 'sum'}) 

Für jede groupby Kombination (~ 15) Ich möchte die Zeilen zufällig probieren gehören, zu jeder Kombination und geben Sie eine Proben-ID zurück und melden Sie sie in einer dritten Ausgabespalte. ODER ich möchte wirklich nur eine der IDs aus den Zeilen in dieser Kombination in der Tabelle erscheinen, es ist mir egal, ob es "zufällig" ist oder nicht.

Ich habe das versucht, folgende:

df = df.groupby(['A', 'B', 'C']).agg({'ID': 'count', 'AMT': 'sum', 'ID': 'sample'}) 

und erhielt den Fehler:

AttributeError: Cannot access callable attribute 'sample' of 'SeriesGroupBy' objects, try using the 'apply' method 

So dann habe ich versucht:

func = lambda x: x.sample 
df = df.groupby(['A', 'B', 'C']).agg({'ID': 'count', 'AMT': 'sum', 'ID': apply(func)}) 

die Arbeit den Ball hielt so habe ich versucht,

df = df.groupby(['A', 'B', 'C']).agg({'ID': 'count', 'AMT': 'sum', 'ID': lambda x: x.sample}) 

was auch nicht funktioniert hat. Ich habe die folgenden Links für verwandte Fragen überprüft, aber sie schienen mir auch nicht zu helfen.

Select multiple groups from pandas groupby object

http://pandas.pydata.org/pandas-docs/stable/groupby.html

Get specific element from Groups after applying groupby - PANDAS

How to access pandas groupby dataframe by key

https://chrisalbon.com/python/pandas_apply_operations_to_dataframes.html

Irgendwelche Gedanken darüber, wie zu handhaben?

Answer 1

mit

Es gibt ein paar Probleme mit dem Code waren Sie zu verwenden versucht.

• lambda x: x.sample gibt die Funktion selbst, anstatt sie zu nennen (do lambda x: x.sample()).
• x.sample() gibt ein Series Objekt zurück. .agg() übertrifft einen einzelnen Skalarwert oder eine Liste, sodass eine Ausnahme ausgelöst wird. Sie könnten x.sample().tolist() tun, aber jetzt haben Sie eine Liste anstelle eines einzelnen Wertes. Es ist bequemer, numpy.random.choice() hier zu verwenden.
• Das Angeben der gleichen Spalte mehrmals im Wörterbuch, das an .agg() übergeben wird, funktioniert nicht. Nur der letzte wird bleiben. Weisen Sie stattdessen die Funktionen, die Sie als Liste oder Diktat verwenden möchten, dieser Spalte zu.

Unter den oben in Betracht zieht, werden Sie diese Lösung erreichen:

import numpy as np 
df = df.groupby(['A', 'B', 'C']).agg({'ID': ('count', np.random.choice), 'AMT': 'sum'}) 

Answer 2

vorausgesetzt, dass Sie aggregieren mit agg, müssen Sie ein einzelnes Element zurückgeben. So können Sie versuchen,

'ID': lambda x: x.sample.tolist()

Answer 3

Betrachten Sie das Beispiel Datenrahmen df

np.random.seed([3,1415]) 
df = pd.DataFrame(dict(
     A=list('x'*8 + 'y'*8 + 'z'*8) * 2, 
     B=list('x'*4 + 'y'*4 + 'z'*4) * 4, 
     C=list('x'*2 + 'y'*2 + 'z'*2) * 8, 
     ID=range(48), 
     AMT=np.random.rand(48) 
    )) 

print(df) 

    A  AMT B C ID 
0 x 0.444939 x x 0 
1 x 0.407554 x x 1 
2 x 0.460148 x y 2 
3 x 0.465239 x y 3 
4 x 0.462691 y z 4 
5 x 0.016545 y z 5 
6 x 0.850445 y x 6 
7 x 0.817744 y x 7 
8 y 0.777962 z y 8 
9 y 0.757983 z y 9 
... 
39 y 0.778883 x y 39 
40 z 0.651676 y z 40 
41 z 0.136097 y z 41 
42 z 0.544838 y x 42 
43 z 0.035073 y x 43 
44 z 0.275079 z y 44 
45 z 0.706685 z y 45 
46 z 0.713614 z z 46 
47 z 0.776050 z z 47 

Lösung #1

Sie np.random.choice können holen ein

f = dict(
    ID=dict(Count='count', Sample=np.random.choice), 
    AMT=dict(Sum='sum', Max='max', Min='min') 
) 

df.groupby(['A', 'B', 'C']).agg(f) 

      AMT       ID  
      Sum  Max  Min Sample Count 
A B C           
x x x 2.458188 0.866059 0.407554  25  4 
    y 1.993843 0.691271 0.377185  27  4 
    y x 3.070036 0.850445 0.700900  7  4 
    z 1.139663 0.462691 0.016545  28  4 
y x x 2.824838 0.926879 0.253200  13  4 
    y 2.166114 0.778883 0.117642  39  4 
    z y 2.351120 0.796487 0.018688  8  4 
    z 3.367248 0.934829 0.700566  10  4 
z y x 1.118176 0.544838 0.035073  19  4 
    z 1.133523 0.651676 0.136097  16  4 
    z y 1.870361 0.706685 0.275079  44  4 
    z 2.412484 0.836997 0.085823  47  4 

Lösung #2

holen mehr als 1

Sie pd.DataFrame.sample verwenden können ganze Scheiben df

df.groupby(['A', 'B', 'C']).apply(pd.DataFrame.sample, n=2) 

      A  AMT B C ID 
A B C       
x x x 25 x 0.866059 x x 25 
     0 x 0.444939 x x 0 
    y 26 x 0.691271 x y 26 
     27 x 0.377185 x y 27 
    y x 6 x 0.850445 y x 6 
     31 x 0.700946 y x 31 
    z 28 x 0.225146 y z 28 
     29 x 0.435280 y z 29 
y x x 13 y 0.926879 x x 13 
     37 y 0.253200 x x 37 
    y 38 y 0.548054 x y 38 
     39 y 0.778883 x y 39 
    z y 33 y 0.018688 z y 33 
     32 y 0.796487 z y 32 
    z 11 y 0.831104 z z 11 
     10 y 0.934829 z z 10 
z y x 42 z 0.544838 y x 42 
     43 z 0.035073 y x 43 
    z 41 z 0.136097 y z 41 
     17 z 0.199844 y z 17 
    z y 20 z 0.278735 z y 20 
     45 z 0.706685 z y 45 
    z 22 z 0.085823 z z 22 
     47 z 0.776050 z z 47 

zu nehmen