如何修复Pandas使用random.sample时的‘Population must be a sequence’报错

报错原因 #

random.sample()要求传入的采样对象是标准序列类型（如列表、元组），但df["domain"].unique()返回的是numpy.ndarray，不属于该函数认可的序列范畴，因此触发报错：Population must be a sequence. For dicts or sets, use sorted(d).

解决方案 #

提供两种可行的处理方式：

方式一：转成列表后使用random.sample()

将numpy数组通过tolist()转为列表，再传入random.sample()：

import random

# 筛选非安全域名并去重，转为列表
insecure_domains = df[df["is_secure"] == False]["domain"].unique().tolist()
# 随机采样50个
random_sample = random.sample(insecure_domains, 50)

方式二：使用pandas内置的sample方法（更推荐）

直接利用pandas对Series的采样能力，无需额外导入random，适配性更好：

# 筛选非安全域名、去重后随机采样50个
random_sample = df[df["is_secure"] == False]["domain"].drop_duplicates().sample(n=50).tolist()

注意事项 #

如果非安全域名的唯一值数量不足50，上述代码会触发ValueError，可以先判断数量再调整采样数：

insecure_domains = df[df["is_secure"] == False]["domain"].unique().tolist()
# 取50和实际数量的较小值
sample_size = min(50, len(insecure_domains))
random_sample = random.sample(insecure_domains, sample_size)

内容的提问来源于stack exchange，提问作者Srijan