我有一個DataFrame df這樣的： user_id movie_id rating32236 1 1 523171 1 2 383307 1 3 462631 1 4 347638 1 5 326184 2 1 41333 5 1 4172 5 2 354487 6 1 452430 7 4 518504 10 1 44617 10 4 4我想df根據 隨機分組user_id，并且每組具有相同數量的user_id（如果不能平均劃分，至少具有相似數量的user_id），但不合user_id并行。例如user_id，每組除以 2 user_id movie_id rating32236 1 1 523171 1 2 383307 1 3 462631 1 4 347638 1 5 352430 7 4 5 user_id movie_id rating26184 2 1 418504 10 1 44617 10 4 4 user_id movie_id rating1333 5 1 4172 5 2 354487 6 1 4我寫了一個方法group(df, n)：def group(df, n) : shuffled = df.sample(frac=1) result = np.array_split(shuffled, n) dict = {} for i, part in enumerate(result): dict['df_'+str(i+1)] = part return dict但它不適用于出現在多行中的相同數字，例如df. 而且我只能設置分成多少組，不能設置user_id每個分成多少組。如何df根據 進行分組user_id，并且每個組都具有user_id我提到的選定數量？
2 回答
冉冉說
TA貢獻1877條經驗 獲得超1個贊
首先，獲取唯一的用戶 ID 并隨機排列它們：
uniques = np.random.permutation(df['user_id'].unique())
拆分唯一 ID（假設每個拆分 2 個 ID）：
splits = np.array_split(uniques, len(uniques) // 2)
定義一個基于索引值對行進行分組的函數：
def grouper(value):
return np.argmax([value in split for split in splits])
并使用它：
for group in df.set_index('user_id').groupby(grouper):
print(group)
梵蒂岡之花
TA貢獻1900條經驗 獲得超5個贊
據我了解，您可以使用：
d={'df'+str(e):df[df.user_id.isin(i)] for e,i in
enumerate(np.array_split(np.random.permutation(df.user_id.unique()),
len(df.user_id.unique())/2))}
輸出
{'df0': user_id movie_id rating
26184 2 1 4
18504 10 1 4
4617 10 4 4, 'df1': user_id movie_id rating
32236 1 1 5
23171 1 2 3
83307 1 3 4
62631 1 4 3
47638 1 5 3
52430 7 4 5, 'df2': user_id movie_id rating
1333 5 1 4
172 5 2 3
54487 6 1 4}
您可以調用此字典中的每個鍵：
print(d['df1'])
user_id movie_id rating
32236 1 1 5
23171 1 2 3
83307 1 3 4
62631 1 4 3
47638 1 5 3
52430 7 4 5
添加回答
舉報
0/150
提交
取消