从 pandas 数据帧中提取子集确保不重叠？

Question

假设我有 2 个df具有297232 x 122维度和df_raw维度的Pandas 数据框840380x122。df已经是 的子集df_raw。两个数据帧的索引均为DateTime。我想对70%来自 和df的30%值进行采样df_raw（如果需要，可以随机采样），同时确保采样的数据帧子集在索引方面没有重叠。

更准确地说，df_subset将从70%中随机选择值df， 并从 中随机df_raw_subset选择30%值df_raw，但df_subset和df_raw_subset不应该包含采样行的重叠，即它们应该具有唯一的DateTime索引。

Answer 1

因此，首先我们sample从 df 开始，因为尺寸很小，当我们将来从另一个更大的 df 中删除它时，我们不会遇到问题：没有足够的数据点sample

df_sub=df.sample(frac=0.7, replace=False)

然后我们将索引df_raw放入df_sub

n=int(len(df_raw)*0.3)
df_raw_sub=df_raw.drop(df_sub.index).sample(n,replace=False)