以下是一个示例解决方案,使用Python中的pandas库进行数据操作和随机抽样:
import pandas as pd
import numpy as np
# 创建示例数据表1
data1 = {'id': [1, 2, 3, 4, 5, 6, 7, 8, 9, 10],
'value': ['A', 'B', 'C', 'D', 'E', 'F', 'G', 'H', 'I', 'J']}
df1 = pd.DataFrame(data1)
# 创建示例数据表2
data2 = {'id': [1, 2, 3, 4, 5, 6, 7, 8, 9, 10],
'value': ['K', 'L', 'M', 'N', 'O', 'P', 'Q', 'R', 'S', 'T']}
df2 = pd.DataFrame(data2)
# 将两个表合并为一个表
df = pd.concat([df1, df2])
# 按id分组,并随机抽样2个样本
groups = df.groupby('id')
sampled_df = groups.apply(lambda x: x.sample(n=2, random_state=42))
# 输出结果
print(sampled_df)
这个示例中,我们首先创建了两个示例数据表df1和df2,每个表包含id和value两列。然后,我们将这两个表合并为一个表df。接下来,我们使用groupby
函数按id进行分组,并使用apply
函数对每个分组进行抽样,提取两个样本。最后,我们将抽样结果打印输出。
请注意,示例中的抽样采用了固定的随机种子(random_state=42),以保证结果的可重复性。如果你想要每次运行时得到不同的抽样结果,可以去除random_state
参数。
上一篇:按ID分组并保留最新日期
下一篇:按id分组并打印结果