如何在Pandas中为每个ID从dataframe对应日期列随机取值

核心逻辑为通过Id字段对数据集分组，对每个分组下的Date值集合做随机单值抽样，最终聚合得到每个Id对应仅1条随机日期的结果表，以下是可直接复现的实现步骤和代码。

1. 构造匹配场景的测试数据 #

首先生成和需求描述一致的示例DataFrame（Id=1对应4条日期，Id=2对应3条日期），用于验证代码逻辑：

import pandas as pd

# 构造示例输入
df = pd.DataFrame({
    "Id": [1, 1, 1, 1, 2, 2, 2],
    "Date": ["2024-01-01", "2024-01-05", "2024-02-10", "2024-03-02",
             "2024-02-03", "2024-03-15", "2024-04-01"]
})

2. 核心实现：分组随机抽样 #

方案一：原生sample方法（最简洁稳定） #

pandas的分组对象原生支持随机抽样能力，无需额外编写随机索引逻辑，直接调用即可：

# 每个Id分组下随机抽取1行
result = df.groupby("Id", group_keys=False).sample(n=1, random_state=42).reset_index(drop=True)

关键参数说明：

• group_keys=False：避免分组键被设为结果索引，保持原有两列的表结构
• random_state=42：可选参数，设置固定随机种子后结果可复现，正式跑生产逻辑时可移除
• 最终输出结果严格符合要求：每个Id仅占1行，日期为该Id下所有可选日期中的随机抽取值

方案二：同Id下日期去重后再抽样 #

如果同Id下存在重复的Date记录，需要先对日期去重、再做随机选择，可在分组前先做去重处理：

# 先对Id+Date组合去重，再按Id分组抽1个
result_dedup = (
    df.drop_duplicates(subset=["Id", "Date"])
    .groupby("Id", group_keys=False)
    .sample(n=1)
    .reset_index(drop=True)
)

方案三：自定义抽样权重 #

如果需要调整同Id下不同日期的抽取概率，可通过sample方法的weights参数自定义权重规则，无需改写抽样逻辑。比如可设置离当前时间越近的日期抽取权重越高：

# 示例规则：同Id下排在末尾的最新日期权重为2，其余日期权重为1
def assign_weights(group):
    weight_list = [1] * len(group)
    weight_list[-1] = 2
    return weight_list

result_weighted = (
    df.groupby("Id", group_keys=False)
    .sample(n=1, weights=assign_weights)
    .reset_index(drop=True)
)

常见踩坑提示 #

• 不要误用groupby().first()/last()方法，该逻辑是固定取分组内首尾行，不具备随机抽样能力
• 不要自行写循环逐Id调用random.choice筛选行，这种遍历写法效率远低于pandas内置的sample向量化实现，数据量稍大就会出现明显的运行延迟

内容的提问来源于stack exchange，提问作者Saurabh Deshpande