野生动物场地采样模拟优化：基于物种稀有度的加权抽样需求

嗨，这个问题我做生态采样模拟的时候也踩过坑！等概率抽样完全不符合野外实际——稀有物种哪能和随处可见的麻雀一样容易撞见对吧？下面给你两种实用的实现方案，都是基于pandas的（毕竟你提到了df，应该是用Python处理数据）：

方法一：直接按行权重抽样（简单高效） #

这种方法适合你已经明确了每个稀有度类别的遭遇比例，直接给每一行分配对应权重，让抽样器自动按比例抽取：

import pandas as pd

# 示例物种清单（替换成你自己的df）
species_df = pd.DataFrame({
    "物种名称": ["麻雀", "野兔", "穿山甲", "喜鹊", "獐子", "黄鼬"],
    "稀有度": ["常见", "常见", "稀有", "不常见", "不常见", "稀有"]
})

# 定义各稀有度对应的遭遇比例权重（总和建议为1，方便理解）
rarity_weight_map = {
    "常见": 0.6,
    "不常见": 0.3,
    "稀有": 0.1
}

# 给每一行匹配对应的权重值
row_weights = species_df["稀有度"].map(rarity_weight_map)

# 按权重抽样：n是总采样数，replace=True允许重复采样（符合野外多次遇到同物种的场景）
sampled_dataset = species_df.sample(
    n=100,  # 替换成你需要的样本量
    replace=True,
    weights=row_weights,
    random_state=42  # 固定随机种子，方便结果复现
)

关键细节提醒： #

• replace=True必须开！野外采样是会重复遇到同一物种的，比如一天碰到5只麻雀，无放回抽样（replace=False）就做不到这点，还会出现样本量超过物种数的报错。
• 如果你的权重总和不是1也没关系，pandas会自动归一化处理，但建议设置成总和为1，更直观对应遭遇比例。

方法二：分组精准控制抽样数量（适合需要严格比例的场景） #

如果你需要严格保证每个稀有度类别的样本数（比如100个样本里必须60个常见、30个不常见、10个稀有），就用分组抽样的方式：

import pandas as pd

species_df = pd.DataFrame({
    "物种名称": ["麻雀", "野兔", "穿山甲", "喜鹊", "獐子", "黄鼬"],
    "稀有度": ["常见", "常见", "稀有", "不常见", "不常见", "稀有"]
})

total_samples = 100
# 定义每个稀有度类别的抽样数量
category_sample_counts = {
    "常见": int(total_samples * 0.6),
    "不常见": int(total_samples * 0.3),
    "稀有": int(total_samples * 0.1)
}

# 遍历每个稀有度类别，抽取对应数量的样本
sampled_groups = []
for rarity, count in category_sample_counts.items():
    # 筛选出当前稀有度的物种
    rarity_subset = species_df[species_df["稀有度"] == rarity]
    # 抽取样本，同样允许重复
    group_sample = rarity_subset.sample(n=count, replace=True, random_state=42)
    sampled_groups.append(group_sample)

# 合并所有分组的样本，得到最终数据集
sampled_dataset = pd.concat(sampled_groups).reset_index(drop=True)

额外处理建议： #

如果某个稀有度类别下没有物种，或者物种数量极少，可以加个判断避免报错：

if len(rarity_subset) == 0:
    print(f"警告：稀有度[{rarity}]下没有物种，跳过抽样")
    continue

内容的提问来源于stack exchange，提问作者Lalochezia