熊猫子集根据另一个数据中的值从数据框中随机选择行数

Question

我有两个熊猫数据帧。

df1:

d = {'col1': ["A", "A","A","B","B","C"], 'col2': [3, 4,5,6,7,8]}
e = pd.DataFrame(data=d)

df2:

f = {'col1': ["A","B","C"], 'col2': [2,1,1]}
g = pd.DataFrame(data=f)

我想根据col1的每个对应值，根据df2中col2的值从df1中随机选择行。例如，在df2中，A的计数为2，B的计数为1，依此类推。我想随机使用df2和子集df1的此计数值。为了更加明确，子集df1的期望输出是：

  col1  col2
0  A    3   
1  A    4   
2  B    7   
3  C    8 

以上数据框具有两行A，B的一行和C的一行，同时保留所有列值。

Answer 1

您可以将样本与参数n一起使用

count = df2.set_index('col1')['col2'].to_dict()
df1.groupby('col1').apply(lambda x: x.sample(n=count[x.name])).reset_index(drop = True)


   col1 col2
0   A   4
1   A   3
2   B   6
3   C   8

Answer 2

我们可以使用reindex + numpy shuffle，然后使用concat将结果合并回

np.random.shuffle(e.index.values)
idx=e.index.values
np.random.shuffle(idx)
e=e.reindex(idx)
pd.concat([e[e.col1==x ].iloc[:y,:]for x,y in zip(g.col1,g.col2)])
Out[402]: 
  col1  col2
5    A     3
1    A     4
3    B     6
2    C     8