Python Pandas groupby分组采样时如何向上取整获得目标样本行数

pandas的DataFrame.sample()方法使用frac参数指定采样比例时，默认对计算出的采样行数做截断取整，若需要向上取整采样行数，可手动计算每组采样数量后传入n参数实现。

修改后代码如下：

import math

grouped = df.groupby('EmployeeID')
# 按10%比例向上取整计算每组采样行数
temp = grouped.apply(lambda x: x.sample(n=math.ceil(len(x) * 0.1))).reset_index(drop=True)

效果验证 #

• 场景1：EmployeeID为1的分组共15行，15*0.1=1.5，向上取整后采样2行，和原有逻辑结果一致
• 场景2：EmployeeID为2的分组共12行，12*0.1=1.2，向上取整后采样2行，符合需求

可选优化 #

如果存在空分组的情况，可增加判断避免报错：

temp = grouped.apply(
    lambda x: x.sample(n=math.ceil(len(x) * 0.1)) if len(x) > 0 else x
).reset_index(drop=True)

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