如何在Python中对DataFrame两组数据分别抽取50%和100%样本？

原代码的核心问题是判断条件逻辑错误：'group' == 1是将列名字符串与数字1做比较，结果永远为False，导致所有组都执行了同一抽样逻辑，无法实现"一组抽50%、另一组全保留"的需求。

修正后的代码 #

假设你需要对group列取值为1的组抽取50%数据，另一组保留全部数据，修正后的代码如下：

# 可选：打乱原数据顺序（不需要的话可删除这一行）
df1 = df1.sample(frac=1).reset_index(drop=True)

# 按group分组，根据组标识执行对应抽样逻辑
grouped = df1.groupby('group', as_index=False)
newgroups = grouped.apply(lambda x: x.sample(frac=0.5) if x['group'].iloc[0] == 1 else x).reset_index(drop=True)

关键说明 #

• x['group'].iloc[0]用于获取当前分组的组标识（同一组内的group值完全一致），以此判断该组应采用的抽样比例。
• 若需要调整目标分组（比如对group为0的组抽50%），只需修改判断条件中的数值即可。
• reset_index(drop=True)用于清除分组后产生的多级索引，避免干扰后续数据操作。

内容的提问来源于stack exchange，提问作者jw32022