带限制的加权抽样：排除样本个体但纳入权重计算是否可行？

结论：完全可行 #

你要的这种抽样逻辑是成立的——权重计算用包含所有个体（包括那些不能进样本的特定个体）的完整总体，抽样只从剔除特定个体后的池子里按权重抽。这样既保证了权重能反映真实的总体结构，又避开了不想纳入样本的个体，完全符合你的需求。

针对你现有代码的调整建议 #

你的原代码里权重计算和抽样都绑定了Concat !=0的筛选，现在需要把这两步拆分开：权重基于全总体算，抽样只从允许的个体里抽。修改后的代码如下：

import numpy as np
import pandas as pd

def get_weighted_sample(df, n):
    # 1. 用完整总体（含所有个体）算各Product的抽样量
    total_pop = len(df)
    # 按Product分组算占比，再乘目标样本量n得到每组要抽的数量
    group_sample_counts = (df.groupby('Product').size() / total_pop * n).round().astype(int)
    
    # 2. 从每组里的允许抽样个体（Concat != 0）中抽取对应数量的样本
    def pick_sample_from_group(group_df):
        product_name = group_df.name
        needed = group_sample_counts.get(product_name, 0)
        eligible = group_df[group_df.Concat != 0]
        # 防止组内符合条件的个体不够抽的情况，直接取全部
        if len(eligible) < needed:
            return eligible.reset_index(drop=True)
        return eligible.sample(needed).reset_index(drop=True)
    
    weighted_sample = df.groupby('Product').apply(pick_sample_from_group)
    print(weighted_sample["Product"].value_counts())
    return weighted_sample

# 调用示例
sample = get_weighted_sample(df, 10)
sample

调整的核心逻辑 #

• 权重计算阶段：不再过滤Concat=0的个体，用整个数据集的规模来算各组占比，确保那些被排除的个体能影响权重结构
• 抽样执行阶段：只从Concat !=0的个体里抽，保证样本里没有特定个体
• 加了容错处理：如果某组里符合条件的个体不够抽，直接取全部，避免报错

内容的提问来源于stack exchange，提问作者Ashley