如何在Python中实现Pandas分组按不同比例条件抽样？

原代码的核心问题是判断条件写错了：'group' == 0是拿字符串和数字做比较，永远不成立，导致所有组都执行全量采样，达不到需求。

正确实现方式 #

方式一：修正Lambda判断逻辑 #

直接在Lambda里获取当前组的group值，判断后执行对应采样：

import pandas as pd

# 构造数据
df = pd.DataFrame([['billy', 1, 0, 1], ['bob', 0, 1, 1], ['sam', 1, 1, 0], ['sally', 0, 1, 0]], 
                  columns=['name', 'group', 'feature_a', 'feature_b'])

# 分组采样
grouped = df.groupby('group')
new_df = grouped.apply(lambda x: x.sample(frac=0.5) if x['group'].iloc[0] == 0 else x).reset_index(drop=True)

print(new_df)

方式二：使用单独采样函数（可读性更强） #

把采样逻辑封装成函数，通过groupby.apply调用：

import pandas as pd

df = pd.DataFrame([['billy', 1, 0, 1], ['bob', 0, 1, 1], ['sam', 1, 1, 0], ['sally', 0, 1, 0]], 
                  columns=['name', 'group', 'feature_a', 'feature_b'])

def sample_group(group):
    # group.name就是当前组的group值
    if group.name == 0:
        return group.sample(frac=0.5)
    return group

new_df = df.groupby('group').apply(sample_group).reset_index(drop=True)

print(new_df)

说明 #

• 两种方式都会对组0随机采样50%（原数据组0共2行，会保留1行），组1保留全部2行，最终结果和你给出的df1或df2一致。
• 最后调用reset_index(drop=True)是为了清理分组后产生的多级索引，得到整洁的结果。

内容的提问来源于stack exchange，提问作者jw32022