如何随机抽取Pandas DataFrame的50%行并满足指定列比例要求？

要实现这个带比例要求的分层随机抽样需求，你可以按以下步骤操作：

步骤1：明确抽样目标 #

• 原DataFrame共10行，50%的样本量为 5行
• 要求选中的行中，C=True占90%、C=False占10%，结合原数据中C=False仅有3行的情况，我们取整为抽取4行C=True、1行C=False

步骤2：拆分数据子集 #

先按C的取值将原DataFrame拆分为两个独立子集：

# 拆分出C为True和False的子集
df_true = df[df["C"] == True]
df_false = df[df["C"] == False]

步骤3：计算各子集抽样数量 #

# 计算总抽样行数
total_sample = int(len(df) * 0.5)
# 计算C=True子集的抽样数（90%总样本量）
sample_true = int(total_sample * 0.9)
# 计算C=False子集的抽样数（剩余数量）
sample_false = total_sample - sample_true

# 额外校验：避免抽样数超过子集本身的行数
sample_true = min(sample_true, len(df_true))
sample_false = min(sample_false, len(df_false))

步骤4：抽样并合并结果 #

使用sample()方法完成随机抽样，最后合并并打乱结果顺序：

# 对两个子集分别随机抽样，random_state可选，用于固定抽样结果
sampled_true = df_true.sample(n=sample_true, random_state=42)
sampled_false = df_false.sample(n=sample_false, random_state=42)

# 合并抽样结果并打乱行顺序
final_sample = pd.concat([sampled_true, sampled_false]).sample(frac=1, random_state=42)

验证抽样结果 #

可以用以下代码确认结果是否符合要求：

print("最终样本行数：", len(final_sample))
print("C=True占比：", (final_sample["C"] == True).mean())

内容的提问来源于stack exchange，提问作者saraafr