我有一个 XY 问题。我的设置如下 - 我有一个具有 2 个级别的多索引的数据框。我想将它分成两个数据框,只从第一级的每个标签中提取一小部分行。例如:
df = pd.DataFrame({'a':[1, 1, 1, 1, 7, 7, 10, 10, 10, 10, 10, 10, 10], 'b': np.random.randint(0, 100, 13), 'c':np.random.randint(0, 100, 13)}).set_index(['a', 'b'])
df
Out[13]:
c
a b
1 86 83
1 37
57 64
53 5
7 4 66
13 49
10 61 0
32 84
97 59
69 98
25 52
17 31
37 95
假设分数是 0.5,我想将它分成两个数据帧:
c
a b
1 86 83
1 37
7 4 66
10 61 0
32 84
97 59
69 98
c
a b
1 57 64
53 5
7 13 49
10 25 52
17 31
37 95
我考虑过执行 (df.groupby(level = 0).count() * 0.5).astype(int) 来获得“切片”数据帧的限制。那么,要是我有办法添加这样的运行距离就好了:
c r
a b
1 38 36 0
6 47 1
57 6 2
55 45 3
7 7 51 0
90 96 1
10 59 75 0
27 16 1
58 7 2
79 51 3
58 77 4
63 48 5
87 60 6
我可以加入限制和这个 df 并使用 bool 条件进行过滤。对这两个问题有什么建议吗? (拆分一小部分行或添加一个级别感知运行索引)
请您参考如下方法:
事实证明这对于 groupby 来说非常微不足道:
In [36]: df.groupby(level=0).apply(lambda x:x.head(int(x.shape[0] * 0.5))).reset_index(level=0, drop=True)
Out[36]:
c
a b
1 86 83
1 37
7 4 66
10 61 0
32 84
97 59
同时获取每组的运行索引:
In [33]: df.groupby(level=0).cumcount()
Out[33]:
a b
1 38 0
6 1
57 2
55 3
7 7 0
90 1
10 59 0
27 1
58 2
79 3
58 4
63 5
87 6
