如何在Python中基于患者ID条件对DataFrame执行下采样

前置要求 #

• 已安装pandas库，代码运行前先导入依赖：

import pandas as pd

• 原始数据集存储为pandas DataFrame，变量名为df

核心实现逻辑 #

先提取所有唯一的患者ID，随机抽取指定数量的ID后，再用选中的ID过滤原数据集，保留对应患者的所有行。

完整代码 #

# 1. 提取所有不重复的患者ID
unique_pids = df['P_ID'].unique()

# 2. 随机抽取2932个患者ID，random_state用于固定抽样结果方便复现，不需要可删除
selected_pids = pd.Series(unique_pids).sample(n=2932, random_state=42).tolist()

# 3. 过滤原数据集得到下采样结果
sampled_df = df[df['P_ID'].isin(selected_pids)].reset_index(drop=True)

结果验证 #

运行以下代码确认抽样符合要求：

• 验证选中患者数量：print(sampled_df['P_ID'].nunique()) 输出应为2932
• 验证字段完整性：print(sampled_df.columns) 输出应包含HR、SBP、DBP、Sepsis、P_ID所有字段

内容的提问来源于stack exchange，提问作者user17416440