招生抽签系统Random Choices权重错误排查求助

一、权重错误的直接原因（年龄模块） #

• age_range = range(3,5)生成的是**[3,4]**两个年龄值，但你定义的age_dist = [0.25, 0.25, 0.25, 0.25]是4个权重值，两者数量不匹配，random.choices要求权重数量必须和抽样对象（年龄范围）的数量一致，这会直接触发权重错误。
• 你注释掉了将年龄数据绑定到选中学生的代码，导致最终结果完全没有年龄字段，根本无法实现年龄四等分的要求。

二、性别比例不均等的问题 #

• 当总人数为奇数时，boys_count = girls_count = self.num_students // 2会导致男女总选中人数比设定值少1，比如总人数为5时，男女各选2人，加起来仅4人，不符合招生人数要求。
• 当某一性别的可用人数不足时，比如男生仅2人但需要选3人，min(boys_count, len(boys))会只选2个男生，女生仍按原数量选取，最终男女比例失衡，同时总人数可能偏离设定值。

三、修正后的核心代码 #

def process_data(self, dataframe):
    boys = dataframe[dataframe['Gender'] == 'M']
    girls = dataframe[dataframe['Gender'] == 'F']

    total_selected = self.num_students
    # 处理奇数人数的性别分配，保证总人数正确
    boys_count = total_selected // 2
    girls_count = total_selected - boys_count

    available_boys = len(boys)
    available_girls = len(girls)
    
    # 处理某一性别人数不足的情况，调整另一性别的选中数量，确保总人数达标且比例尽量均等
    if boys_count > available_boys:
        girls_count = total_selected - available_boys
        selected_boys = boys.sample(available_boys).reset_index(drop=True)
        selected_girls = girls.sample(min(girls_count, available_girls)).reset_index(drop=True)
    elif girls_count > available_girls:
        boys_count = total_selected - available_girls
        selected_girls = girls.sample(available_girls).reset_index(drop=True)
        selected_boys = boys.sample(min(boys_count, available_boys)).reset_index(drop=True)
    else:
        selected_boys = boys.sample(boys_count).reset_index(drop=True)
        selected_girls = girls.sample(girls_count).reset_index(drop=True)

    # 修正年龄范围与权重数量匹配：这里假设你需要4个年龄值，对应4个25%的权重
    age_dist = [0.25, 0.25, 0.25, 0.25]
    age_range = [3,4,5,6]  # 数量与权重一致

    # 生成对应总人数的年龄列表
    selected_ages = random.choices(age_range, weights=age_dist, k=total_selected)

    # 构造最终结果，绑定年龄数据
    selected_students = pd.DataFrame({
        'No': selected_boys['No'].tolist() + selected_girls['No'].tolist(),
        'Gender': selected_boys['Gender'].tolist() + selected_girls['Gender'].tolist(),
        'Age': selected_ages
    })

    return selected_students

额外说明 #

• 如果你的年龄需求是区间（比如3-4岁、4-5岁等）而非具体数值，需要先将学生年龄映射到对应区间，再按区间抽样，核心逻辑仍是保证权重数量与抽样类别数量一致。
• 性别部分的修正确保了在任何数据情况下，总选中人数都符合设定值，同时尽可能保持男女比例均等。

内容的提问来源于stack exchange，提问作者user3671171