从单个数据帧创建多个子集，无需替换
我正在尝试创建5个成员的10个不同子集，而不需要替换这些数据（在Python中）：
Member CIN Needs Assessment Network Enrolled
117 CS38976K 1 1
118 GN31829N 1 1
119 GD98216H 1 1
120 VJ71307A 1 1
121 OX22563R 1 1
122 YW35494W 1 1
123 QX20765B 1 1
124 NO50548K 1 1
125 VX90647K 1 1
126 RG21661H 1 1
127 IT17216C 1 1
128 LD81088I 1 1
129 UZ49716O 1 1
130 UA16736M 1 1
131 GN07797S 1 1
132 TN64827F 1 1
133 MZ23779M 1 1
134 UG76487P 1 1
135 CY90885V 1 1
136 NZ74233H 1 1
137 CB59280X 1 1
138 LI89002Q 1 1
139 LO64230I 1 1
140 NY27508Q 1 1
141 GU30027P 1 1
142 XJ75065T 1 1
143 OW40240P 1 1
144 JQ23187C 1 1
145 PQ45586F 1 1
146 IM59460P 1 1
147 OU17576V 1 1
148 KL75129O 1 1
149 XI38543M 1 1
150 PO09602E 1 1
151 PS27561N 1 1
152 PC63391R 1 1
153 WR70847S 1 1
154 XL19132L 1 1
155 ZX27683R 1 1
156 MZ63663M 1 1
157 FT35723P 1 1
158 NX90823W 1 1
159 SC16809F 1 1
160 TX83955R 1 1
161 JA79273O 1 1
162 SK66781D 1 1
163 UK69813N 1 1
164 CX01143B 1 1
165 MT45485A 1 1
166 LJ25921O 1 1
我尝试使用random.sample（）的许多变体来表示范围内的。什么都没用。到目前为止，堆栈溢出似乎没有给我提供所需的结果。
共有3个答案
假设我们有带有数据集迭代器的line变量。然后：
from random import sample
# Chunk length
chunk_len = 2
# Number of chunks
num_of_chunks = 5
# Get the sample with data for all chunks. It guarantees us that there will
# be no repetitions
random_sample = sample(lines, num_of_chunks*chunk_len)
# Construct the list with chunks
result = [random_sample[i::num_of_chunks] for i in range(num_of_chunks)]
result
将返回：
[['123 QX20765B 1 1',
'118 GN31829N 1 1'],
['127 IT17216C 1 1',
'122 YW35494W 1 1'],
['138 LI89002Q 1 1',
'126 RG21661H 1 1'],
['120 VJ71307A 1 1',
'121 OX22563R 1 1'],
['143 OW40240P 1 1',
'142 XJ75065T 1 1']]
这似乎是一个组合问题。这里有一个解决方案：你应该创建你的列表，比如L。然后你决定子集的大小，比如r。之后，这里是代码：
从迭代工具导入组合组合（L， r）
但是，如果您不想决定要创建的集合的大小，则可以使用如下随机模块：
从迭代工具导入随机组合（L， r=随机（a， b））
在这种情况下，这将从列表L中创建一组随机的r（a和b之间的随机整数）元素。如果您想这样做10次，可以为循环创建一个。
我希望这对你有用。
这里使用熊猫解决方案。
假设master是使用pandas创建的主数据框，您可以执行以下操作：
shuffled = master.sample(frac=1)
这将创建主数据帧的副本，其中的行随机重新排序。请参阅stackoverflow上的回答或示例方法的文档。
然后，您只需按顺序构建10个较小的五行数据帧。
subsets = []
for i in range(10):
subdf = shuffled.iloc[(i*5):(i+1)*5]
subsets.append(subdf)
子集是包含小数据帧的列表。做：
for sub in subsets:
print(sub)
把它们全部打印出来，用肉眼确认没有重复。
-
给定一个数据帧say，包含100列和100行，我需要列的子集。我想同时索引两个（或多个）列块。 例如，我想要的是： （显然，这不起作用） 但是我想要第1列到第20列以及第55列到第57列。我可以用两个单独的操作来实现这一点，并将它们连接起来，但我想知道是否有一个功能可以让这一点只需一次（我知道R有这个功能，因此好奇）。 编辑：我在这里发现了一个类似的问题，但答案是字符串。可以进行多个子集设置的解决
-
我需要从不同的字典中创建一个熊猫数据框架，其中键必须作为数据框架内的列名。如果数据帧没有将键列为列，则必须动态创建键，并将其作为新列附加到数据帧。 我希望输入为， 输出应该是,， 循环的第一次迭代将键作为数据框的列名称，如果没有数据框，则创建值作为第一行的数据框。 第二次迭代检查键是否作为列出现在数据帧中，如果已经出现则插入，否则创建列并插入值作为第二行。 我确实不知道如何在python中动态运行
-
我有两个数据框，都包含英文和中文单词字符串，我想知道其中一个是另一个的子集：
-
我有一个DF，其中包含一个巨大的可解析元数据，作为Dataframe中的单个字符串列，我们称之为DFA，使用ColmnA。 我想通过一个函数，ClassXYZ = Func1(ColmnA)将ColmnA这一列分成多个列。这个函数返回一个具有多个变量的类ClassXYZ，现在每个变量都必须映射到新的列，比如ColmnA1、ColmnA2等。 我如何通过调用Func1一次来完成从一个数据帧到另一个数
-
我创建了一个json文件使用python这是一个列表。每个子列表都有chart.js图表的数据，即对于x和y轴，具有和。 这是包含列表和子列表的json。 下面的代码创建了一个图表，但我希望遍历所有条目，并为每个子列表（图表的多个实例）创建图表。 如何循环遍历下面代码中列出的json文件并创建多个chart.js图表？i、 e.，等的图表。
-
问题内容： 我有一个如下所示的pandas数据框，并通过一列保存数据组： 现在，我想创建新的数据框（名为df_w，df_x，df_y，df_z），这些数据框仅保存其原始数据中的数据，并在一些可迭代的列表（例如列表）中进行最佳组合： 有没有使用groupby，apply和/或applymap和函数来实现此目的的智能（矢量化熊猫）方法？ 我当时正在考虑对数据框进行迭代，但这似乎不是很优雅。 预先感谢您