问题描述
我有两个Multi-indexed pd系列，两者都具有级别Subject匹配：
s1 = pd.DataFrame({'Subject':['S1','S1','S2','S3','S3'],'Movie':['mov1','mov1','mov2','mov3','mov3'],'TimeStamp':['Start','End','Start','End'],'distance': np.random.rand(14)*100}).set_index(['Subject','Movie','TimeStamp'])['distance']
s2 = pd.DataFrame({'Subject':['S1','mov2'],'Mid','distance': np.random.rand(15)*100}).set_index(['Subject','TimeStamp'])['distance']
我想创建两个新系列，每个系列包含所有主题，并且每个主题都是从两个原始系列之一中随机选择的。也就是说，例如，如果new_serie1包含与s2.xs('S1',level='Subject')匹配的条目，则我们需要具有等效的new_series2才能包含与s1.xs('S1',level='Subject')匹配的条目。
我希望避免对所有Subject值进行迭代，并使用numpy / pandas随机化以更快的方式进行此操作。
谢谢！
解决方法
暂无找到可以解决该程序问题的有效方法，小编努力寻找整理中！
如果你已经找到好的解决方法，欢迎将解决方案带上本链接一起发送给小编。
小编邮箱:dio#foxmail.com (将#修改为@）