用重复数据填充数据框，直到满足特定条件

Posted 2023-03-11

【中文标题】用重复数据填充数据框，直到满足特定条件

【英文标题】：Fill dataframe with duplicate data until a certain conditin is met

【发布时间】：2021-11-16 14:08:12

【问题描述】：

我有一个像 df 这样的数据框，

id name age duration
1  ABC  20   12
2  sd   50   150
3  df   54   40

我想在同一个df中复制这些数据，直到持续时间总和大于或等于300，

所以df可以像..

id name age duration
1  ABC  20   12
2  sd   50   150
3  df   54   40
2  sd   50   150

到目前为止，我已经尝试了以下代码，但有时它会在无限循环中运行：/。 请帮忙。

def fillPlaylist(df,duration):
    print("inside fill playlist fn.")
    if(len(df)==0):
        print("df len is 0, cannot fill.")
        return df;

    receivedDf= df
    print("receivedDf",receivedDf,flush=True)
    print("Received df len = ",len(receivedDf),flush=True)
    print("duration to fill ",duration,flush=True)
    while df['duration'].sum() < duration:
        # random 5% sample of data.
        print("filling")
        ramdomSampleDuplicates = receivedDf.sample(frac=0.05).reset_index(drop=True)
        df = pd.concat([ramdomSampleDuplicates,df])
        print("df['duration'].sum() ",df['duration'].sum())
    print("after filling df len = ",len(df))
    return df;

【参考方案1】：

尝试使用n 而不是frac。

n 从您的数据框中随机抽取 n 行。

sample_df = df.sample(n=1).reset_index(drop=True)

要使用frac，你可以用这种方式重写你的代码。

def fillPlaylist(df,duration):
    while df.duration.sum() < duration:
        sample_df = df.sample(frac=0.5).reset_index(drop=True)
        df = pd.concat([df,sample_df])
    return df

【讨论】：

谢谢你能解释一下这是如何工作的吗？使用 frac 时它不起作用？

@R.singh 你的方法也应该有效。 frac 对数据框中的一小部分行进行采样，n randonly 从您的数据框中采样 n 行。但是，替换receivedDf= df 、receivedDf= df.copy()。

@R.singh 我已经为您的用例使用frac 重写了代码。如果有帮助，请批准解决方案:)