如何根据条件在 Python 中对数据帧进行下采样

Posted 2023-02-18

【中文标题】如何根据条件在 Python 中对数据帧进行下采样

【英文标题】：How to down sample a dataframe in Python based on condition

【发布时间】：2021-12-26 12:07:00

【问题描述】：

我是新来的，所以不知道如何使用这个网站。

我有 37404 名 ICU 患者的时间序列数据。每个患者有多个行。我想向下采样我的数据框并选择仅 2932 名患者（相应患者 ID 的所有行）。谁能帮我？我的数据如下所示：

HR	SBP	DBP	Sepsis	P_ID
92	120	80	0	0
98	115	85	0	0
93	125	75	0	1
95	130	90	0	1
102	120	80	0	1
109	115	75	0	2
94	135	100	0	2
97	100	70	0	3
85	120	80	0	4
88	115	75	0	4
93	125	85	0	4
78	130	90	0	5
115	140	110	0	5
102	120	80	0	5
98	140	110	0	5

我知道我应该在 P_ID 列上使用一些条件，但我很困惑。

感谢您的帮助。

【参考方案1】：

将numpy.random.choice 用于随机P_ID 并使用boolean indexing 过滤Series.isin：

df2 = df[df['P_ID'].isin(np.random.choice(df['P_ID'].unique(), size=2932, replace=False))]

替代方案：

df2 = df[df['P_ID'].isin(df['P_ID'].drop_duplicates().sample(n=2932))]

编辑：对于随机位置使用：

df1 = df['P_ID'].drop_duplicates().sample(n=2932).to_frame('P_ID')

df2 = df.merge(df1, how='right')