如何从Low/Medium/High intent三类各抽50%样本完成A/B测试分组

以下给出两种最常用场景的实现方式，均满足按Low intent/Medium intent/High intent三层独立1:1拆分的要求：

1. Python Pandas 实现（本地小数据集） #

适合本地处理csv/excel格式的小批量数据，支持固定随机种子复现分组结果：

import pandas as pd
import numpy as np

# 1. 读取数据，可替换为 pd.read_csv("你的数据文件路径")
df = pd.DataFrame({
    "ID": [1,2,3,4,5,6],
    "Buyer Intent": ["Low Intent", "Medium Intent", "Medium Intent", "Low Intent", "High Intent", "High Intent"],
    "Email": ["john@gmail.com", "jane@gmail.com", "tom@gmail.com", "sara@gmail.com", "mich@gmail.com", "sall@gmail.com"]
})

# 2. 固定随机种子，保证后续可复现本次分组结果，数值可自定义
SEED = 42

# 3. 按买家意图分层，每层独立随机拆分50%对照组/50%实验组
def split_group(df_group):
    rand_arr = np.random.RandomState(SEED).rand(len(df_group))
    df_group['Group'] = np.where(rand_arr < 0.5, 'Control', 'Treatment')
    return df_group

df = df.groupby('Buyer Intent', group_keys=False).apply(split_group)

# 需要存文件就执行 df.to_csv("分组结果.csv", index=False)
print(df)

2. SQL 实现（数仓大数据集） #

适合数据存储在数据库/数仓的场景，直接跑SQL生成结果：

SELECT
    ID,
    `Buyer Intent`,
    Email,
    -- 行号奇数为对照组，偶数为实验组
    CASE WHEN MOD(rn, 2) = 1 THEN 'Control' ELSE 'Treatment' END AS `Group`
FROM (
    SELECT
        *,
        -- 按买家意图分层后随机排序生成行号
        ROW_NUMBER() OVER (PARTITION BY `Buyer Intent` ORDER BY RAND()) AS rn
    FROM your_table_name -- 替换为你的表名
) t

不同数据库的随机函数略有差异，PostgreSQL用RANDOM()替换RAND()即可，Hive/Spark SQL直接用RAND()

注意事项 #

• 两种实现均保证每个意图层级的对照组、实验组占比严格接近1:1，避免不同意图用户的分布偏差影响实验结论
• 固定随机种子（Python）或者固定排序种子（SQL可以把RAND()换成RAND(固定数值)）可以保证分组结果可复现，方便后续回溯

内容的提问来源于stack exchange，提问作者Ryan Dan