python实现对excel中各类别任意抽取20%数据

一个同事提的需求,需要对不同类别的数据任意抽取20%,而且如果对于有些类的数据如果数量少于十条,那么则不抽取20%。

需求有点奇怪哈哈,不过还是挺简单的。

下面贴代码

import pandas as pd
Ori_data = pd.read_excel('c:/Users/data.xlsx')
sets = set(Ori_data['类别'])#从‘类别’列中获取所有的类别
Len_Da = len(sets)#获取所有类别的数量
Li_Da = [ i for i in range(Len_Da) ]#建立一个列表,每个元素中存储一个类别的DataFrame
Li_Tu =  [ i for i in range(Len_Da) ]#建立一个列表,每个元素存一个元组,元组数据为类别名和类别数量
for i in range(Len_Da):
      Li_Da[i] = Ori_data[Ori_data['类别'].str.contains(sets[i])]#分别取每个类别的数据
      Li_Tu[i] = (sets[i],len(Li_Da[i])#分别取每个分类的名称和数量
Li_Less = []#建立一个用于存储数量为10个以下的数据的列表
Li_More = []#建立一个用于存储10个以上的数据的列表,用来存储抽取20%的数据
for name,num in Li_Tu:
      if num <10:
          Li_Less.append(name)
      else:
          Li_More.append(name)
Len_More = len(Li_More)#存储不少于于10条数据的类别的数量
Ulti_Data = pd.DataFrame()#建立一个空的DataFrame
for i in Li_Less:
      Ul_Data = Ulti_Data.append(Ori_data[Ori_data['类别'].str.contains(i)#先把少于10的数据存储到DataFrame中(如果不需要少于10的这里可以省略)
for i in range(Len_More):
      Ulti_Data=Ulti_Data.append(Ori_data[Ori_data['类别'].str.contains(Li_More[i]).sample(frac=0.2))#这里用sample实在太方便了
writer = pd.ExcelWriter('output.xlsx')
Ulti_Data.to_excel(writer,'All_data')
writer.save()

这的代码可能会有点冗余,希望大神看到能够指出,谢谢!

你可能感兴趣的:(python实现对excel中各类别任意抽取20%数据)