如何将含设备ID的DataFrame随机均分并标记A/B？

我来帮你搞定这个设备分组标记的问题！针对你的需求，我会先解决方法2的标记回原DataFrame的问题，再给你优化方法1让分组更接近均分：

方法2：用sample实现精准分组并标记回原表 #

你已经用sample选到了A组的4682478行，接下来只需要利用索引匹配就能轻松把标记加回去，步骤很简单：

1. 先给原devices DataFrame新增Experiment列，默认设为"B"
2. 用选中的A组的索引，把对应行的Experiment改成"A"

直接上代码：

# 随机选取50%的行作为A组，random_state固定可以让结果复现
a_group = devices.sample(frac=0.5, random_state=42)

# 新增列，默认标记为B组
devices['Experiment'] = 'B'

# 定位A组的行，修改标记为A
devices.loc[a_group.index, 'Experiment'] = 'A'

这样操作后，A组正好是4682478行，B组是剩下的4682479行，差值只有1，完全符合你“尽可能均分”的要求。

方法1：优化自定义随机函数，实现极致均衡 #

你之前的自定义函数导致两组差值1111，应该是随机生成时没控制总数的均衡性。可以用下面的方法让分组完全精准：

1. 先算出A组需要的行数：总行数整除2（9364957//2=4682478）
2. 生成一个包含对应数量True和False的数组，再打乱顺序
3. 用这个数组来标记A/B组

代码示例：

import numpy as np

total_rows = len(devices)
a_group_size = total_rows // 2

# 生成一个恰好有a_group_size个True的数组，然后打乱顺序
random_mask = np.random.permutation([True]*a_group_size + [False]*(total_rows - a_group_size))

# 根据标记数组赋值
devices['Experiment'] = np.where(random_mask, 'A', 'B')

这个方法能保证两组的行数差绝对是1（因为总行数是奇数），比你之前的自定义方法均衡太多了。

最后可以验证一下分组结果：

print(devices['Experiment'].value_counts())
# 输出会是：
# B    4682479
# A    4682478
# Name: Experiment, dtype: int64

内容的提问来源于stack exchange，提问作者Samer Aamar