Sélection de ligne aléatoire dans Pandas dataframe
Existe-t-il un moyen de sélectionner des lignes aléatoires à partir d'un DataFrame dans les Pandas.
Dans R, en utilisant le package car, il existe une fonction utile some(x, n) qui est similaire à head mais sélectionne, dans cet exemple, 10 lignes au hasard à partir de X.
J'ai aussi regardé la documentation de découpage et il ne semble y avoir rien d'équivalent.
Mettre à jour
Maintenant en utilisant la version 20. Il y a une méthode d'échantillon.
df.sample(n)
5 réponses
Quelque chose comme ça?
import random
def some(x, n):
return x.ix[random.sample(x.index, n)]
Avec la version pandas 0.16.1 et plus, il y a maintenant un DataFrame.sample méthode intégrée :
import pandas
df = pandas.DataFrame(pandas.np.random.random(100))
# Randomly sample 70% of your dataframe
df_percent = df.sample(frac=0.7)
# Randomly sample 7 elements from your dataframe
df_elements = df.sample(n=7)
, soit l'approche ci-dessus, vous pouvez obtenir le reste des lignes en faisant:
df_rest = df.loc[~df.index.isin(df_percent.index)]
La meilleure façon de le faire est avec la fonction sample du module random,
import numpy as np
import pandas as pd
from random import sample
# given data frame df
# create random index
rindex = np.array(sample(xrange(len(df)), 10))
# get 10 random rows from df
dfr = df.ix[rindex]
En fait, cela vous donnera des indices répétés np.random.random_integers(0, len(df), N) où N est un grand nombre.
La ligne ci-dessous sélectionnera aléatoirement n nombre de lignes sur le nombre total de lignes existantes dans le DataFrame df sans remplacement.
df=df.take(np.random.permutation(len(df))[:n])