季節的なシーケンスを尊重しながらデータフレームからのサンプル

Question

私は季節データを含むマルチインデックスデータフレームからリサンプリングしています。無作為の夏にランダムな春が続いてランダムな冬を再サンプリングしたいのですが、私が選択するシーズンを指定していますが、ランダムなシーズンに続いてランダムなシーズンをサンプリングする方法しかありません。に必要なことは、いくつかの季節を欠けているように、

import pandas as pd 
import numpy as np 

dates = pd.date_range('20100101',periods=1825) 
df = pd.DataFrame(data=np.random.randint(0,100,(1825,2)), columns =list('AB')) 
df['date'] = dates 
df = df[['date','A', 'B']] 

#season function 
def get_season(row): 
    if row['date'].month >= 3 and row['date'].month <= 5: 
     return '2' 
    elif row['date'].month >= 6 and row['date'].month <= 8: 
     return '3' 
    elif row['date'].month >= 9 and row['date'].month <= 11: 
     return '4' 
    else: 
     return '1' 

#apply the season function to dataframe 
df['Season'] = df.apply(get_season, axis=1) 

#Year column for multi-index 
df['Year'] = df['date'].dt.year 

#season column for multi-index 
df = df.set_index(['Year', 'Season'], inplace=False) 

再インデックスを（：

をリサンプリングするから、マルチインデックスデータフレームを取る：私は、コードを説明するためにですので、ここで間違ったつもりだどこで見ることができません

years = df['date'].dt.year.unique() 

サンプル：から範囲を選択するには）私が欲しいもの

newindex = [(2010L, '1'), (2011L, '1'), (2011L, '3'), (2012L, '4'), (2013L, '2'), (2015L, '3')] 

df = df.loc[newindex] 

#recreate season and year 
df['Season'] = df.apply(get_season, axis=1) 
df['Year'] = df['date'].dt.year 

年変数を行いますこれは、データフレームおよびサンプルの季節がランダムに、しかし、私はそれがの順序を尊重し、ランダムにしてないことを選択しているように見えるSeason == '1' Season == '2' Season == '3' Season =='4'から選択することを選択したにも関わらず、出力

dfs = [] 
for i in range(100): 
    dfs.append(df.query("Year == %d and Season == '1'" %np.random.choice(years, 1))) 
    dfs.append(df.query("Year == %d and Season == '2'" %np.random.choice(years, 1))) 
    dfs.append(df.query("Year == %d and Season == '3'" %np.random.choice(years, 1))) 
    dfs.append(df.query("Year == %d and Season == '4'" %np.random.choice(years, 1))) 

rnd = pd.concat(dfs) 

：データフレームから冬、春、夏、秋（1,2,3,4）。私はreplace == Trueを追加しようとしましたが、これは効果がありません。

これを調整してランダムな冬を選択し、次にランダムな春、ランダムな夏、次にランダムな秋を選択するにはどうすればよいですか？

おかげ

EDIT 1：

それが唯一のシーズンを選択していない年ができますので、コードを変更する - 私は1つだけを選択する指定てるにもかかわらず（それは、今以上の冬を選択）

dfs = [] 
for i in range(100): 
    dfs.append(df.query("Season == '1'" %np.random.choice(years, 1))) 
    dfs.append(df.query("Season == '2'" %np.random.choice(years, 1))) 
    dfs.append(df.query("Season == '3'" %np.random.choice(years, 1))) 
    dfs.append(df.query("Season == '4'" %np.random.choice(years, 1))) 

rnd = pd.concat(dfs) 

Answer 1

あなたはあなたの季節、季節ごとの.sample()を生成するためにTimeGrouper('Q-Nov')で.groupby()を使用することができ、新しいindex EAのための設定CHシーズンのサンプルと、その後.sortlevel()に応じて：

はあなたのサンプルdfから始めますが、DateTimeIndex設定：

dates = pd.date_range('20100101', periods=1825) 
df = pd.DataFrame(data=np.random.randint(0, 100, (1825, 2)), columns=list('AB'), index=dates) 

DatetimeIndex: 1825 entries, 2010-01-01 to 2014-12-30 
Freq: D 
Data columns (total 2 columns): 
A 1825 non-null int64 
B 1825 non-null int64 

これは11月に四半期末をずらし、TimeGrouper()とgroupby()することができます（そして最後に、12月に値を割り当てますシリーズの最初のシーズンに再び）。.transform()を使用して元のdfにseason_dictを経由して、翻訳、各グループのために.monthのmax()を割り当て：

season_dict = {2: 1, 5: 2, 8: 3, 11: 4} 
df['season'] = df.groupby(pd.TimeGrouper('Q-Nov')).A.transform(lambda x: season_dict.get(x.index.month.max(), 1)) 

year列を作成し、indexにseasonとyearを設定します。

df['year'] = df.index.to_series().dt.year.astype(int) 
df = df.reset_index().set_index(['year', 'season']) 

からユニーク(year, season)の組み合わせを取得index：

結果から

サンプル、あなたが後にソートすることができることを確認するために.reset_index()を使用して：あなたはseason全体を引っ張って、後でMultiIndexから選択することができるような形式に変換し

sample_seasons = sample_seasons.groupby('season').apply(lambda x: x.sample(frac=0.5).reset_index(drop=True)) 
sample_seasons = sample_seasons.reset_index(0, drop=True).sort_index() 

：

利回り

sample_seasons = list(sample_seasons.values) 
sample_seasons = [tuple(s) for s in sample_seasons] 

[(2011, 1), (2013, 2), (2011, 3), (2014, 4), (2014, 1), (2010, 2), (2010, 3), (2012, 4)] 

sample = df.loc[sample_seasons] 

：

    index A B 
year season     
2011 1  2011-01-01 33 64 
    1  2011-01-02 91 66 
    1  2011-01-03 37 47 
    1  2011-01-04 1 87 
    1  2011-01-05 68 47 
    1  2011-01-06 92 60 
    1  2011-01-07 81 7 
    1  2011-01-08 78 13 
    1  2011-01-09 31 67 
    1  2011-01-10 24 50 
    1  2011-01-11 71 55 
    1  2011-01-12 56 37 
    1  2011-01-13 25 87 
    1  2011-01-14 24 55 
    1  2011-01-15 29 97 
    1  2011-01-16 70 94 
    1  2011-01-17 18 37 
    1  2011-01-18 95 30 
    1  2011-01-19 58 87 
    1  2011-01-20 75 96 
    1  2011-01-21 52 63 
    1  2011-01-22 60 75 
    1  2011-01-23 39 58 
    1  2011-01-24 86 24 
    1  2011-01-25 61 21 
    1  2011-01-26 19 24 
    1  2011-01-27 5 71 
    1  2011-01-28 72 81 
    1  2011-01-29 0 45 
    1  2011-01-30 80 48 
...    ... .. .. 
2012 4  2012-11-01 90 44 
    4  2012-11-02 43 53 
    4  2012-11-03 3 49 
    4  2012-11-04 38 7 
    4  2012-11-05 64 44 
    4  2012-11-06 82 44 
    4  2012-11-07 38 75 
    4  2012-11-08 7 96 
    4  2012-11-09 52 9 
    4  2012-11-10 32 64 
    4  2012-11-11 30 38 
    4  2012-11-12 91 70 
    4  2012-11-13 63 18 
    4  2012-11-14 77 29 
    4  2012-11-15 58 51 
    4  2012-11-16 90 17 
    4  2012-11-17 87 85 
    4  2012-11-18 64 79 
    4  2012-11-19 10 61 
    4  2012-11-20 76 52 
    4  2012-11-21 9 40 
    4  2012-11-22 15 28 
    4  2012-11-23 14 33 
    4  2012-11-24 24 74 
    4  2012-11-25 38 43 
    4  2012-11-26 27 87 
    4  2012-11-27 6 30 
    4  2012-11-28 91 3 
    4  2012-11-29 32 64 
    4  2012-11-30 0 28