python写一个函数，传入一个dataframe A，筛选出A中Category为B,C,D,E,F,G,H的数据，并从每个Category里随机抽取三条数据组成一个新的dataframe，并返回该dataframe

可以使用 Pandas 库实现这个功能，具体代码如下：

import pandas as pd
import numpy as np

def select_random_data(df):
    # 筛选出 Category 为 B,C,D,E,F,G,H 的数据
    df_selected = df[df['Category'].isin(['B', 'C', 'D', 'E', 'F', 'G', 'H'])]
    
    # 从每个 Category 中随机抽取三条数据
    df_sampled = df_selected.groupby('Category').apply(lambda x: x.sample(n=3))
    
    # 重置索引
    df_sampled = df_sampled.reset_index(drop=True)
    
    return df_sampled

其中，我们使用 `df[df['Category'].isin(['B', 'C', 'D', 'E', 'F', 'G', 'H'])]` 筛选出 Category 为 B,C,D,E,F,G,H 的数据，使用 `df.groupby('Category').apply(lambda x: x.sample(n=3))` 从每个 Category 中随机抽取三条数据。最后使用 `reset_index` 重置索引。

相关问题

用python 写出大批量筛选时间并且存放到另外一个Dataframe中代码

好的，这是一个技术问题，我可以给您提供一下代码：

假设您的原始数据已经存在一个名为 df 的 DataFrame 中，其中包含一个名为 timestamp 的时间戳列。我们需要对这个时间戳列进行大量的筛选，并将经过筛选后的结果存储到一个名为 result_df 的 DataFrame 中。

请尝试使用以下代码：

import pandas as pd

# 设置筛选条件
start_time = pd.Timestamp('2021-01-01 00:00:00')
end_time = pd.Timestamp('2021-12-31 23:59:59')

# 筛选数据
result_df = df[(df['timestamp'] >= start_time) & (df['timestamp'] <= end_time)]

# 显示筛选结果
print(result_df.head())

在这个例子中，我们首先使用 pandas 库读取和处理数据。然后我们定义了两个变量 start_time 和 end_time，它们分别表示要筛选的时间范围。

接下来我们使用 DataFrame 的布尔索引功能，通过对时间戳列进行逻辑运算，得到经过筛选后的结果。最后，我们使用 print() 函数打印出前几行结果以进行验证。

python创建一个dataframe数组，用loc函数筛选出所须行

首先，你需要导入pandas库来创建dataframe和使用loc函数进行筛选操作。

下面是创建一个dataframe数组的示例代码：

import pandas as pd

# 创建一个dataframe数组
df = pd.DataFrame({'Name':['Alice', 'Bob', 'Charlie', 'David', 'Eva'],
                   'Age':[25, 30, 35, 40, 45],
                   'Gender':['F', 'M', 'M', 'M', 'F'],
                   'Country':['USA', 'Canada', 'USA', 'UK', 'Australia']})

接下来，我们可以使用loc函数对所需行进行筛选。loc函数可以通过指定行索引或条件进行筛选，例如：

# 筛选出索引为2和4的行
df.loc[[2, 4]]

# 筛选出Country列为'USA'的行
df.loc[df['Country']=='USA']

如果你想对筛选出的行进行操作，可以将它们赋值给一个新的dataframe变量，例如：

# 筛选出Age大于等于35的行，并将它们赋值给一个新的dataframe变量
new_df = df.loc[df['Age']>=35]

这样，new_df就是一个只包含Age大于等于35的行的dataframe数组了。