pandas dataframe随机抽取一百行，作为一个新的dataframe

可以使用pandas的sample方法来随机抽取指定数量的行，然后使用copy方法创建一个新的dataframe对象。

代码实现如下：

import pandas as pd

# 假设原始dataframe为df
new_df = df.sample(n=100).copy()

说明：

- `sample(n=100)`表示随机抽取100行，可以根据具体需求来调整该参数。
- `copy()`表示创建一个新的dataframe对象，避免修改原始dataframe。

相关问题

如何在pandas DataFrame中只从列表中随机选择一部分数据填充行？

在pandas DataFrame中，如果你想从列表中随机选择一部分数据填充行，你可以先从列表中随机选择指定数量的元素，然后再将它们放到DataFrame对应的位置上。这里是一个简单的例子：

假设我们有一个列表 `row_data` 和一个整数 `n` 表示要抽取的行数，我们可以这样做：

import pandas as pd
import numpy as np

# 假设这是你的列表
row_data = [list(range(10)), list(range(10, 20)), ...]  # 包含多个行数据的列表

# 设定随机抽取的行数
n_rows_to_draw = 2  # 这里是随机抽取2行

# 首先确定哪些行会被抽中，可以用 random.choice 函数
selected_rows_indices = np.random.choice(len(row_data), n_rows_to_draw, replace=False)

# 然后选取这些行数据填充到 DataFrame
data_to_add = [row_data[i] for i in selected_rows_indices]
df_temp = pd.DataFrame(data_to_add)

# 将新数据追加到原始 DataFrame 的最后几行
df = pd.concat([df, df_temp], ignore_index=True)

print(df)

这会随机从 `row_data` 中选择 `n_rows_to_draw` 行，并将其添加到DataFrame的末尾。

使用pandas时如何根据特定列对DataFrame进行分组？ 如何使用pandas从DataFrame中按比例抽样行？

在Pandas中，你可以使用`groupby()`方法对DataFrame按照特定列进行分组。这个方法会返回一个`GroupBy`对象，你可以用它来进行聚合（如求和、平均值等）或者对每个分组应用其他处理。

对于按比例抽样行，可以采用以下步骤：

1. 首先，你需要确定要抽样的行数和总体数据的比例。假设你想抽取总行数的50%，那么可以用DataFrame的行数乘以比例得到目标行数。

import pandas as pd
total_rows = df.shape
target_rows = total_rows * 0.5  # 假设抽样50%

2. 接着，你可以使用`sample()`函数随机抽样指定数量的行，同时设置`replace=False`表示不重复抽样。如果想要保留原始索引，加上参数`random_state=seed`确保结果可重复。

df_sampled = df.sample(n=target_rows, replace=False, random_state=42)

这将返回一个新的DataFrame，其中包含原 DataFrame 根据指定列分组后的每组随机抽样的一半行。

如果你已经有了一定的列用于分组，可以在`sample()`前先调用`groupby()`，然后在`apply()`或`size()`后再进行抽样。例如：

grouped_df = df.groupby(by='your_column').apply(lambda x: x.sample(frac=0.5, replace=False))

这样就按组抽取了每组50%的样本。记得替换`'your_column'`为实际的列名。