如何为含客户ID的dataframe创建随机均衡赋值0/1/2的group_user新列

你可以通过Python的numpy库快速实现需求，以下是两种常用实现方案：

方案1：简洁随机抽样（适合绝大多数场景） #

直接调用numpy.random.choice方法，指定三个取值的概率均为1/3即可，代码如下：

import pandas as pd
import numpy as np

# 假设你已提前构造好包含ID列的DataFrame，变量名为df
# 若需要固定随机结果方便复现，可加下行设置随机种子，不需要可删除
np.random.seed(42)

# 核心逻辑：生成0、1、2的随机序列，比例均衡
df['group_user'] = np.random.choice([0, 1, 2], size=len(df), p=[1/3, 1/3, 1/3])

你可以通过df['group_user'].value_counts()验证分组占比，三个取值的样本量差异最多为1，符合均衡要求。

方案2：精准均等分配（对分组均衡度要求极高时使用） #

如果你的样本量是3的整倍数，或者要求分组样本量差异必须控制在最小范围，可以用洗牌法实现完全均等分配：

import pandas as pd
import random

# 生成分组标签
label_list = [0, 1, 2] * (len(df) // 3)
# 处理样本量无法被3整除的剩余部分
remain_num = len(df) % 3
if remain_num > 0:
    label_list += random.sample([0, 1, 2], remain_num)
# 打乱标签顺序
random.shuffle(label_list)
# 赋值到新列
df['group_user'] = label_list

两种方案最终输出的格式都和你给出的示例一致：

内容的提问来源于stack exchange，提问作者ilymp