如何在Pandas中按多约束条件随机抽取3行样本？

我来帮你搞定这个兼顾多个约束的抽样需求！你已经拆分了价格区间，接下来要解决复合权重设置和供应商唯一性校验这两个核心问题，我们一步步来实现：

1. 先明确复合权重的构造逻辑 #

要同时优先选择margin更高、seen更低的行，不能直接用weights='margin'单字段权重。我们可以构造一个复合权重，让margin越高、seen越低的行拥有更大的抽样概率。比如用margin / (seen + 1)（加1是为了避免seen=0时出现除以0的错误），这个公式能很好地兼顾两个优先级：margin越大、seen越小，权重值就越大。

2. 分区间抽样+供应商唯一性校验 #

因为三个价格区间是互斥的，我们可以在每个区间单独按权重抽1行，然后检查这三行的供应商ID是否完全不同——如果有重复就重新抽取，直到满足条件为止。

完整实现代码 #

import pandas as pd
import numpy as np

# 假设你的原始数据集是pr_pd
# 1. 拆分三个指定价格区间（修正边界逻辑，避免遗漏临界值）
pr_1_pd = pr_pd.loc[pr_pd['price'] < 20.0].copy()
pr_2_pd = pr_pd.loc[(pr_pd['price'] >= 30) & (pr_pd['price'] <= 50)].copy()
pr_3_pd = pr_pd.loc[pr_pd['price'] > 80.0].copy()

# 2. 为每个区间计算复合抽样权重
for df in [pr_1_pd, pr_2_pd, pr_3_pd]:
    # 权重公式：margin越高、seen越低，权重越大
    df['sample_weight'] = df['margin'] / (df['seen'] + 1)

# 3. 循环抽样，直到抽到三个供应商ID完全不同的样本
selected_rows = None
while selected_rows is None or len(selected_rows['supplier'].unique()) != 3:
    # 每个区间按自定义权重抽取1行
    sample_low = pr_1_pd.sample(n=1, weights='sample_weight', random_state=np.random.randint(0, 10000))
    sample_mid = pr_2_pd.sample(n=1, weights='sample_weight', random_state=np.random.randint(0, 10000))
    sample_high = pr_3_pd.sample(n=1, weights='sample_weight', random_state=np.random.randint(0, 10000))
    
    # 合并三个区间的样本
    selected_rows = pd.concat([sample_low, sample_mid, sample_high]).reset_index(drop=True)

# 清理临时权重列，输出结果
selected_rows = selected_rows.drop(columns=['sample_weight'])
print("最终符合条件的抽样结果：")
print(selected_rows)

关键细节说明 #

• 权重调整：如果你觉得margin/(seen+1)的权重偏向不够，可以换成其他公式，比如margin * (pr_pd['seen'].max() - df['seen'] + 1)——先把seen转换为“反向数值”（seen越小数值越大），再和margin相乘，同样能实现你的优先级需求。
• 循环逻辑：因为不同价格区间可能存在相同的供应商ID，循环抽样是最直接的校验方式。如果你的数据中跨区间重复的供应商很少，这个循环只会执行1-2次，效率很高。
• 区间边界：把中间区间的条件改成>=30和<=50，避免漏掉刚好等于30或50的行，更贴合你“30到50之间”的需求。

内容的提问来源于stack exchange，提问作者IndiaSke