DataFrame随机抽样：需保证每组最小样本量且保留原分布

我完全懂你的需求——既要做随机抽样，又得保证目标分组列的每个类别至少有1个样本，同时还要尽量贴合原数据里各分组的样本量占比（也就是保留原分布特征）。针对你给出的示例数据，咱们可以通过先给每个分组保底抽1个样本，再对剩余名额按原分布加权抽样的方式来完美实现。

先看你的示例数据 #

先把你的测试数据构造出来：

import pandas as pd

# 构造示例DataFrame
df = pd.DataFrame({'class': [0]*13 + [1, 2]})

这里class列里，0占了13个样本，1和2各1个，要抽4个样本的话，刚好每个组先拿1个，剩下1个名额给占比最高的0，就是你期望的结果。

分步实现抽样逻辑 #

1. 先抽取每个分组的保底样本

首先给每个class类别至少抽1个样本，确保每个分组都有代表：

# 每个分组抽取1个样本，random_state用于结果可复现，可按需调整
min_samples = df.groupby('class').sample(n=1, random_state=42)

2. 计算剩余需要抽取的样本数

total_target = 4  # 你想要的总抽样数量
remaining_quota = total_target - len(min_samples)

这里len(min_samples)是3（3个分组），所以还剩1个名额需要抽取。

3. 按原分布加权抽取剩余名额

接下来要从剩下的样本里，按照原数据的分组占比来抽，保证抽样结果的分布和原数据一致：

# 计算原数据各分组的样本占比，作为抽样权重
class_weights = df['class'].value_counts(normalize=True)

# 排除已经抽过的保底样本，得到剩余可抽样的数据集
remaining_data = df.drop(min_samples.index)

# 按权重抽取剩余名额，这里权重用原分布的占比，确保贴合原数据特征
additional_samples = remaining_data.sample(
    n=remaining_quota,
    weights=remaining_data['class'].map(class_weights),
    random_state=42
)

4. 合并结果并整理

把保底样本和额外抽取的样本合并，再排序整理一下：

df_sample = pd.concat([min_samples, additional_samples]).sort_values('class').reset_index(drop=True)

查看最终结果 #

打印df_sample就能得到你期望的输出：

print(df_sample)

输出：

class
0      0
1      0
2      1
3      2

通用适配说明 #

这个方法适用于任何满足总抽样数≥分组数量的场景：

• 如果某个分组本身样本量只有1个（比如示例里的1和2），额外抽样时不会再选中它，因为没有剩余样本了，符合逻辑；
• 如果总抽样数更大，比如要抽5个，那剩余2个名额都会给占比最高的0，完美保留原数据的分布特征。

内容的提问来源于stack exchange，提问作者s900n