python - カテゴリに比例して df からランダムなサブサンプルを引き出す

Question

私はこのようなデータフレームを持っています

names = ["Patient 1", "Patient 2", "Patient 3", "Patient 4", "Patient 5", "Patient 6", "Patient 7"]
categories = ["Internal medicine, Gastroenterology", "Internal medicine, General Med, Endocrinology", "Pediatrics, Medical genetics, Laboratory medicine", "Internal medicine", "Endocrinology", "Pediatrics", "General Med, Laboratory medicine"]

zippedList =  list(zip(names, categories))
df = pd.DataFrame(zippedList, columns=['names', 'categories'])

降伏:

print(df)
names                                         categories
0  Patient 1                Internal medicine, Gastroenterology
1  Patient 2      Internal medicine, General Med, Endocrinology
2  Patient 3  Pediatrics, Medical genetics, Laboratory medicine
3  Patient 4                                  Internal medicine
4  Patient 5                                      Endocrinology
5  Patient 6                                         Pediatrics
6  Patient 7                   General Med, Laboratory medicine

(実際のデータ フレームには 1000 行以上あります)

カテゴリを数えると、次のようになります。

print(df['categories'].str.split(", ").explode().value_counts())

Internal medicine      3
General Med            2
Endocrinology          2
Laboratory medicine    2
Pediatrics             2
Gastroenterology       1
Medical genetics       1

n各中間カテゴリが比例して表されるように、行のランダムなサブサンプルを描画したいと思います。たとえば、13 のカテゴリのうち 3 つ (~23%) が「内科」です。したがって、サブサンプルの約 23% がこのカテゴリを持つ必要があります。各患者が 1 つのカテゴリを持っている場合、これはそれほど難しくありませんが、残念ながら複数のカテゴリを持つことができます (たとえば、患者 3 は 3 つのカテゴリを持っています)。これどうやってするの？