如何在Pandas DataFrame中为每个分组随机选取n行序列？

问题场景 #

假设我们有如下DataFrame：

import pandas as pd

raw_data = {
    'subject_id': ['1', '1', '1', '1', '2','2','2','2','2'],
    'first_name': ['Alex', 'Amy', 'Allen', 'Alice', 'Brian','Bob','Bill','Brenda','Brett']}
df = pd.DataFrame(raw_data, columns = ['subject_id', 'first_name'])

需要实现：按subject_id分组，为每个组随机选取n行（比如n=2），期望输出类似：

subject_id first_name
1          1        Amy
2          1       Allen
7          2      Brenda
8          2       Brett

此前找到的相关方案未覆盖分组场景，因此需要针对分组后的随机采样实现。

解决方案 #

使用Pandas的groupby()结合sample()方法即可实现，这是最简洁高效的方式：

核心代码 #

# 每个subject_id随机选2行，默认不重复采样
result = df.groupby('subject_id').sample(n=2)

# 如果需要固定随机结果（方便复现），指定random_state参数
result = df.groupby('subject_id').sample(n=2, random_state=42)

# 若允许同一组内重复选取行，设置replace=True（适用于分组行数不足n的场景）
result = df.groupby('subject_id').sample(n=2, replace=True)

代码说明 #

• groupby('subject_id')：按指定列完成分组
• sample(n=2)：对每个分组随机选取2行，默认replace=False（不允许重复选取同一行）
• random_state：设置随机种子，确保每次运行得到相同的随机结果
• replace=True：开启放回采样，解决分组内行数不足n时的采样需求

输出示例 #

执行df.groupby('subject_id').sample(n=2, random_state=42)后，结果如下：

subject_id first_name
3          1       Alice
1          1        Amy
5          2         Bob
8          2       Brett

内容的提问来源于stack exchange，提问作者d84_n1nj4