基于分组的Bootstrap重采样实现（针对pandas DataFrame）

核心思路 #

先提取所有唯一的group_id，对这些分组ID做有放回抽样，再将每个抽中的分组对应的所有行取出，拼接成重采样后的DataFrame。

代码实现 #

1. 构造示例数据

先还原你提供的示例DataFrame：

import pandas as pd
import numpy as np

df = pd.DataFrame({
    'class': [1, 1, 1, 0, 0],
    'group_id': [1, 1, 1, 2, 2]
})

2. 分步实现重采样

# 1. 获取所有唯一分组ID
unique_groups = df['group_id'].unique()

# 2. 对分组ID进行有放回抽样（抽样数量与原唯一分组数一致）
sampled_groups = np.random.choice(unique_groups, size=len(unique_groups), replace=True)

# 3. 拼接抽中分组的所有行
resampled_df = pd.concat([df[df['group_id'] == g] for g in sampled_groups], ignore_index=True)

3. 封装为可复用函数

如果需要多次执行重采样，可以封装成函数：

def bootstrap_resample_by_group(df, group_col):
    unique_groups = df[group_col].unique()
    # 可自定义抽样数量，比如size=2*len(unique_groups)生成更大的数据集
    sampled_groups = np.random.choice(unique_groups, size=len(unique_groups), replace=True)
    return pd.concat([df[df[group_col] == g] for g in sampled_groups], ignore_index=True)

# 调用函数
resampled_df = bootstrap_resample_by_group(df, 'group_id')

注意事项 #

• 每次运行结果会有差异，因为是随机抽样；如需固定结果，可在代码开头设置随机种子：np.random.seed(42)
• 可通过修改np.random.choice的size参数调整重采样后的数据集大小，比如设置为原分组数的2倍，会生成包含重复分组的更大DataFrame

内容的提问来源于stack exchange，提问作者Enes