如何从Pandas DataFrame中选取按年份均匀分布的子集？

你可以直接使用Pandas的groupby()结合sample()方法快速实现需求，代码如下：

import pandas as pd

# 假设你的原始数据集存储在变量df中
subset_df = df.groupby('year', group_keys=False).sample(n=10, random_state=42)

参数说明： #

• groupby('year')：按year列对数据集进行分组
• group_keys=False：避免分组键被添加到结果的索引中，保持输出DataFrame的结构简洁
• sample(n=10)：为每个年份分组抽取10条样本
• random_state=42：固定随机种子，确保每次运行抽取的样本完全一致，便于测试场景的复现

如果遇到部分年份的原始样本数少于10的情况，sample()会默认返回该年份的所有样本；如果需要强制抽取10条（允许重复样本），可以添加replace=True参数。

内容的提问来源于stack exchange，提问作者Shiva