Python如何实现DataFrame按用户随机抽样并保留选中用户全部行

核心逻辑：先对去重后的用户标识做随机抽样，再通过匹配用户ID过滤原数据集，即可完整保留被抽中用户的所有关联行，不会拆分同一用户的多条数据。

步骤1：构造示例数据集 #

先复现问题中提到的测试数据：

import pandas as pd

# 构建示例DataFrame
df = pd.DataFrame({
    'User': ['A', 'A', 'B', 'C', 'D', 'D'],
    'Value': [12, 5, 3, 7, 50, 1]
})

步骤2：执行按用户维度的抽样 #

根据实际抽样需求选择对应代码即可：

• 按固定用户数抽样
  比如需要随机抽取2个用户的全量数据：

  # 提取所有去重的用户ID
  all_users = df['User'].unique()
  # 随机抽指定数量的用户，random_state参数用于固定随机结果、方便复现，不需要可删除
  sample_users = pd.Series(all_users).sample(n=2, random_state=42)
  
  # 过滤原表，保留被抽中用户的所有行
  sample_result = df[df['User'].isin(sample_users)]
  

  上述代码如果随机抽中用户A、C，返回结果就会包含A的2行数据、C的1行数据，完全符合需求。

• 按用户比例抽样
  如果需要按比例抽取用户（比如抽取总用户数的50%），把sample()方法的n参数替换为frac参数即可：

  # 抽取50%的用户
  sample_users = pd.Series(df['User'].unique()).sample(frac=0.5)
  sample_result = df[df['User'].isin(sample_users)]
  

注意：不要直接调用df.sample()对行做抽样，该方法会随机抽取独立行，会拆分同一用户的多条关联数据，无法满足整用户维度抽样的需求。

内容的提问来源于stack exchange，提问作者Matheus Barreto Alves De Almei