pandas：采样dataframe
我试图读pandas一个相当大的CSV文件，并将其分成两个随机的块，其中一个是10％的数据，另一个是90％。
这是我目前的尝试：
rows = data.index row_count = len(rows) random.shuffle(list(rows)) data.reindex(rows) training_data = data[row_count // 10:] testing_data = data[:row_count // 10] 出于某种原因，当我试图在SVM分类器中使用这些DataFrame对象之一时， sklearn抛出这个错误：
IndexError: each subindex must be either a slice, an integer, Ellipsis, or newaxis
我觉得我做错了。 有一个更好的方法吗？
你使用的是什么版本的pandas？ 对我来说，你的代码工作正常（我在Git主）。
另一种方法可能是：
In [117]: import pandas In [118]: import random In [119]: df = pandas.DataFrame(np.random.randn(100, 4), columns=list('ABCD')) In [120]: rows = random.sample(df.index, 10) In [121]: df_10 = df.ix[rows] In [122]: df_90 = df.drop(rows)
较新版本（从0.16.1开始）直接支持： http ://pandas.pydata.org/pandas-docs/stable/generated/pandas.DataFrame.sample.html
我发现NumPy 1.7.0中新增的np.random.choice()可以很好地工作。
例如，您可以传递来自DataFrame和整数10的索引值，以select10个随机均匀采样的行。
rows = np.random.choice(df.index.values, 10) sampled_df = df.ix[rows]
pandas0.16.1有一个样本方法。
0.16.1版新增function：
sample_dataframe = your_dataframe.sample(n=how_many_rows_you_want)
doc在这里： http : //pandas.pydata.org/pandas-docs/version/0.17.0/generated/pandas.DataFrame.sample.html
如果您使用的是pandas.read_csv，则可以使用skiprows参数在加载数据时直接进行采样。 这里是我写的一篇简短的文章 – https://nikolaygrozev.wordpress.com/2015/06/16/fast-and-simple-sampling-in-pandas-when-loading-data-from-files/
