Pandas重复填充DataFrame至duration总和达标 代码无限循环问题求助

你的代码出现无限循环的核心原因有两个：

• 原始数据行数过少时，sample(frac=0.05) 会返回空DataFrame：比如你示例里只有3行数据，3*0.05=0.15，pandas采样时会向下取整得到0行，每次循环拼接空数据，duration总和永远不会增长，就会陷入无限循环
• 极端情况如果采样到的所有行的duration值都是0，总和也不会增长，同样会触发无限循环

import pandas as pd

def fillPlaylist(df, target_duration):
    print("inside fill playlist fn.")
    if len(df) == 0:
        print("df len is 0, cannot fill.")
        return df
    
    # 提前过滤掉duration<=0的无效行，避免总和不增长
    receivedDf = df[df['duration'] > 0].reset_index(drop=True)
    if len(receivedDf) == 0:
        print("no valid data with positive duration, cannot fill.")
        return df
    
    print("receivedDf", receivedDf, flush=True)
    print("Received df len = ", len(receivedDf), flush=True)
    print("target duration to fill ", target_duration, flush=True)
    
    current_df = df.copy()
    while current_df['duration'].sum() < target_duration:
        print("filling")
        # 采样逻辑修改：优先按0.05比例采样，不足1行时强制采样1行
        sample_n = max(int(len(receivedDf) * 0.05), 1)
        randomSampleDuplicates = receivedDf.sample(n=sample_n, replace=True).reset_index(drop=True)
        # 如果需要把新数据加在表头，调换两个参数顺序即可
        current_df = pd.concat([current_df, randomSampleDuplicates], ignore_index=True)
        print("current df duration sum: ", current_df['duration'].sum())
    
    print("after filling df len = ", len(current_df))
    return current_df

• 修复了原代码里的变量拼写错误（ramdom改为random）
• 提前过滤原始数据中duration小于等于0的无效行，避免采样到无效数据导致总和不增长
• 把按比例采样改为max(比例计算行数, 1)，保证每次循环至少采样1条数据，杜绝空采样的情况
• 新增replace=True参数允许重复采样，避免原始数据行数不足时采样报错
• 拼接时添加ignore_index=True重置行索引，避免索引重复的问题
• 先拷贝原始df再操作，避免直接修改传入的原始数据

你给出的示例数据调用该方法后，输出完全符合你的预期效果。

内容的提问来源于stack exchange，提问作者R.singh