ベイデヒ:
データセットは、私はこのようなルックスを使用しています。これは、列「説明」の下にキャプションを設定したデータをキャプションビデオです。
Video_ID Description
mv89psg6zh4 A bird is bathing in a sink.
mv89psg6zh4 A faucet is running while a bird stands.
mv89psg6zh4 A bird gets washed.
mv89psg6zh4 A parakeet is taking a shower in a sink.
mv89psg6zh4 The bird is taking a bath under the faucet.
mv89psg6zh4 A bird is standing in a sink drinking water.
R2DvpPTfl-E PLAYING GAME ON LAPTOP.
R2DvpPTfl-E THE MAN IS WATCHING LAPTOP.
l7x8uIdg2XU A woman is pouring ingredients into a bowl.
l7x8uIdg2XU A woman is adding milk to some pasta.
l7x8uIdg2XU A person adds ingredients to pasta.
l7x8uIdg2XU the girls are doing the cooking.
しかし、各動画のキャプションの数が異なると、一様ではありません。
私は1つのユニークなVIDEO_IDのための1行を抽出し、これらのユニークな行をマージする新しいデータフレームを形成していきます。また、既存のデータフレームから同じ行を削除します。
私が望む結果は次のようになります。
データフレームの1-
Video_ID Description
mv89psg6zh4 A faucet is running while a bird stands.
mv89psg6zh4 A bird gets washed.
mv89psg6zh4 A parakeet is taking a shower in a sink.
mv89psg6zh4 The bird is taking a bath under the faucet.
mv89psg6zh4 A bird is standing in a sink drinking water.
R2DvpPTfl-E THE MAN IS WATCHING LAPTOP.
l7x8uIdg2XU A woman is adding milk to some pasta.
l7x8uIdg2XU A person adds ingredients to pasta.
l7x8uIdg2XU the girls are doing the cooking.
データフレーム2 -
Video_ID Description
mv89psg6zh4 A bird is bathing in a sink.
R2DvpPTfl-E PLAYING GAME ON LAPTOP.
l7x8uIdg2XU A woman is pouring ingredients into a bowl.
だから、行は基本的に新しいデータフレームを形成するために、既存のデータフレームから移動していること。
クアンホアン:
あなたは使用することができgroupby()
、インデックスをサンプリングします:
s = df.index.to_series().groupby(df['Video_ID']).apply(lambda x: x.sample(n=1))
# random unique
df.loc[s]
# rest of data
df.drop(s)