Czy istnieje sposób na wybranie losowych wierszy z DataFrame w Pandas.

W R, korzystając z pakietu samochodowego, jest przydatna funkcja, some(x, n)która jest podobna do head, ale w tym przykładzie wybiera losowo 10 wierszy z x.

Przejrzałem również dokumentację dotyczącą wycinania i wydaje się, że nie ma nic równoważnego.

Aktualizacja

Teraz korzystam z wersji 20. Istnieje przykładowa metoda.

df.sample(n)

Coś takiego?

import random

def some(x, n):
    return x.ix[random.sample(x.index, n)]

Uwaga: od wersji 0.20.0 Pandas ix został wycofany na korzyść locindeksowania na podstawie etykiet.

W przypadku wersji pandy 0.16.1i nowszych jest teraz DataFrame.sample wbudowana metoda :

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)

W przypadku obu powyższych metod pozostałe wiersze można uzyskać, wykonując:

df_rest = df.loc[~df.index.isin(df_percent.index)]

sample

Od wersji 0. 20.0 można użyć pd.DataFrame.sample, który może służyć do zwracania losowej próbki o stałej liczbie wierszy lub odsetku wierszy:

df = df.sample(n=k)     # k rows
df = df.sample(frac=k)  # int(len(df.index) * k) rows

Aby random_statezapewnić odtwarzalność, możesz określić liczbę całkowitą , równoważną użyciu np.ramdom.seed. Tak więc zamiast ustawiania np.random.seed = 0, możesz na przykład :

df = df.sample(n=k, random_state=0)

Najlepszym sposobem na to jest użycie funkcji próbki z modułu 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]

Właściwie to da ci powtarzające się indeksy, np.random.random_integers(0, len(df), N)gdzie Njest duża liczba.

Poniższy wiersz losowo wybierze n liczbę wierszy spośród wszystkich istniejących numerów wierszy z ramki danych df bez zastępowania.

df=df.take(np.random.permutation(len(df))[:n])