如何在pandas中循环抽样DataFrame直至满足指定列均值条件

你写的循环无法正常达到目的，存在以下明确问题：

• 循环判定逻辑无效：while df['score'].mean() > 0 是对原始全量数据的score列求均值，这个值是固定的，和每次抽样的结果没有关联，只要原始数据均值大于0，循环就会一直运行，完全起不到控制流程的作用。
• 判断条件错误：一是抽样得到的均值是浮点数，你和字符串'1.699'做等值比较永远不可能成立；二是浮点数计算存在精度误差，直接用==判断是否等于目标值本身就不符合数值计算逻辑，应该设置合理的容差范围。
• 语法错误：if语句末尾缺少Python语法要求的冒号，运行会直接报错。
• 存在冗余计算：权重映射、给全量df生成weightsScore列的操作只需要执行一次，不需要放在循环里重复计算。

提前一次性计算好权重列，设置可接受的误差范围（比如和目标值相差不超过0.001即视为符合要求，可根据自己的精度需求调整），循环仅执行抽样和条件校验：

# 提前计算权重列，无需重复生成
weights = {0: 0.11, 1: 1.5}
df['weightsScore'] = df['score'].apply(lambda x: weights[x])

target_mean = 1.699
tolerance = 0.001  # 可接受的均值误差
final_sample = None

while True:
    current_sample = df.sample(n=533, weights='weightsScore')
    current_score_mean = current_sample['score'].mean()
    if abs(current_score_mean - target_mean) <= tolerance:
        final_sample = current_sample
        break

# 输出样本统计结果验证
print(final_sample.describe())

该逻辑完全支持同时校验多列的均值要求，只需要提前把每一列的目标均值、允许误差定义好，每次抽样后遍历校验所有条件即可，示例代码如下：

# 配置多列校验规则：键为列名，值为(目标均值, 允许误差)
target_rules = {
    'score': (1.699, 0.001),
    'age': (34.7, 0.2),  # 示例：age列目标均值34.7，允许误差0.2
    'order_count': (8.3, 0.1)  # 示例：订单数列目标均值8.3，允许误差0.1
}

final_sample = None
while True:
    current_sample = df.sample(n=533, weights='weightsScore')
    all_match = True
    for col, (target, tol) in target_rules.items():
        col_mean = current_sample[col].mean()
        if abs(col_mean - target) > tol:
            all_match = False
            break
    if all_match:
        final_sample = current_sample
        break

print(final_sample.describe())

注意：如果同时校验的列数过多、容差设置过小，循环运行时间会大幅变长。可以先调整抽样权重，让各列的抽样期望均值尽量接近目标值，再运行循环，能显著缩短等待时间。

内容的提问来源于stack exchange，提问作者bhristxpher