pandas分组抽样replace=False样本量不足时如何获取全部现有样本

可以通过自定义分组抽样逻辑实现，核心是对每个分组动态判断抽样数量，行数≥30时抽30行，不足30时随机返回全部分组行，不会触发报错也无需有放回抽样。

简洁版写法（pandas全版本支持） #

df = df.groupby('ID', group_keys=False).apply(
    lambda x: x.sample(n=min(len(x), 30))
).reset_index(drop=True)

自定义函数写法（适合需要附加额外处理逻辑的场景） #

def group_sample(group, sample_n=30):
    # 分组行数大于等于抽样数时抽sample_n行，否则随机返回全组
    if len(group) >= sample_n:
        return group.sample(n=sample_n)
    else:
        return group.sample(frac=1)

df = df.groupby('ID', group_keys=False).apply(group_sample).reset_index(drop=True)

• 对每个ID分组，先取分组行数和30的较小值作为实际抽样数，避免抽样数大于样本量的报错
• 不足30行的分组会返回全组随机打乱后的结果，既满足无放回要求，也避免了head(30)只能取前N行的非随机问题
• 代码中的group_keys=False用于避免分组后产生额外的ID索引层级，reset_index(drop=True)用于重置整体索引，不需要保留原始索引可删除这两个参数。

内容的提问来源于stack exchange，提问作者ga1996