Pandas采样拆分DataFrame后如何获取剩余未选中的数据行？

方案1：直接删除已采样行（最适配现有代码，索引唯一时优先用） #

你已经拿到80%的采样结果，直接删除原数据中对应索引的行即可拿到剩余20%，和你期望的df - df_80_split逻辑完全一致：

df_20_split = df.drop(df_80_split.index)

注意：如果你的DataFrame存在重复索引，该方法会删掉所有匹配索引的行，导致结果不符合预期，建议用下面的方案2

方案2：布尔索引筛选（兼容重复索引场景） #

通过判断索引是否在采样结果中生成布尔掩码，取反后筛选剩余行：

# 生成是否属于80%采样集的掩码
is_80 = df.index.isin(df_80_split.index)
# 取反筛选剩余20%数据
df_20_split = df[~is_80]

方案3：一步完成拆分（避免多步操作误差） #

如果还没执行采样操作，可以直接生成随机掩码一次性拆分两份数据，和你设置的random_state效果一致：

import numpy as np
# 固定随机种子保证可复现
np.random.seed(200)
# 生成长度和原数据一致的布尔数组，80%为True
mask = np.random.rand(len(df)) < 0.8
df_80_split = df[mask]
df_20_split = df[~mask]

方案4：训练测试集拆分场景推荐 #

如果你是在做机器学习的数据集拆分，更推荐使用sklearn封装好的拆分工具，支持分层采样、特征标签同步拆分等功能：

from sklearn.model_selection import train_test_split
# test_size指定剩余集比例，random_state保证可复现
df_80_split, df_20_split = train_test_split(df, test_size=0.2, random_state=200)

内容的提问来源于stack exchange，提问作者Alex K