这是一个机器学习项目。
我有一个数据框，其中有5列作为特征，1列作为标签（图A）。
我想从每个标签中随机删除2行。因此，由于有12行（每个标签4行）；我最终会得到6行（每个标签2行）（图B）。
我该如何操作？使用仅numpy会更容易吗？
图A
图B
这是我的代码：
# 这是图A的代码import pandas as pdimport numpy as npdf = pd.DataFrame(np.random.rand(12, 5))label=np.array([1, 1, 1, 1, 2, 2, 2, 2, 3, 3, 3, 3])df['label'] = labeldf.index=['s1', 's1', 's1', 's1', 's2', 's2', 's2', 's2', 's3', 's3', 's3', 's3']df# 这是我尝试生成图B的代码dfs = df.sample(n=2)dfs回答：
使用groupby.apply方法：
df.groupby('label', as_index=False).apply(lambda x: x.sample(2)) \ .reset_index(level=0, drop=True)Out: 0 1 2 3 4 labels1 0.433731 0.886622 0.683993 0.125918 0.398787 1s1 0.719834 0.435971 0.935742 0.885779 0.460693 1s2 0.324877 0.962413 0.366274 0.980935 0.487806 2s2 0.600318 0.633574 0.453003 0.291159 0.223662 2s3 0.741116 0.167992 0.513374 0.485132 0.550467 3s3 0.301959 0.843531 0.654343 0.726779 0.594402 3在我看来，更简洁的方法是使用列表解析：
pd.concat(g.sample(2) for idx, g in df.groupby('label'))这将产生相同的结果：
0 1 2 3 4 labels1 0.442293 0.470318 0.559764 0.829743 0.146971 1s1 0.603235 0.218269 0.516422 0.295342 0.466475 1s2 0.569428 0.109494 0.035729 0.548579 0.760698 2s2 0.600318 0.633574 0.453003 0.291159 0.223662 2s3 0.412750 0.079504 0.433272 0.136108 0.740311 3s3 0.462627 0.025328 0.245863 0.931857 0.576927 3