Pandas时间序列按日分组随机采样：处理样本不足及返回原DataFrame

要实现每日随机采样且保留原DataFrame结构，可按以下方式修改代码：

核心代码 #

sampled_df = df.groupby(pd.Grouper(key='time', freq='D')).apply(
    lambda x: x.sample(n=min(len(x), 10)) if len(x) > 0 else pd.DataFrame(columns=df.columns)
).reset_index(drop=True)

代码说明 #

• 分组对象调整：直接对整个DataFrame按日期分组，而非仅针对temperature列，确保采样后保留所有原始列数据。
• 采样逻辑处理：
  • 对每个日期分组，先判断是否有数据：有数据时取min(分组长度, 10)个随机样本，自动满足"≥10取10，不足取全部"的需求；
  • 无数据的分组返回与原DataFrame列名一致的空DataFrame，避免触发采样报错。
• 索引重置：通过reset_index(drop=True)移除groupby生成的多级索引，让结果结构与原DataFrame完全一致。

备选优化方案 #

如果想先过滤掉无数据的日期分组再采样，也可以这样写：

# 先过滤空分组，再执行采样
sampled_df = (
    df.groupby(pd.Grouper(key='time', freq='D'))
    .filter(lambda x: len(x) > 0)
    .groupby(pd.Grouper(key='time', freq='D'))
    .apply(lambda x: x.sample(n=min(len(x), 10)))
    .reset_index(drop=True)
)

内容的提问来源于stack exchange，提问作者jB777