如何在Pandas DataFrame中添加随机选中状态列？

我完全理解你的需求：按A列分组后每组无放回随机选10行，最后给原始未分组的DataFrame新增一列标记哪些行被选中。这其实用Pandas内置方法就能轻松实现，甚至不需要额外依赖NumPy，下面一步步给你拆解：

步骤1：准备示例数据（方便演示） #

先模拟一个和你场景匹配的DataFrame，方便后续操作验证：

import pandas as pd
import numpy as np

# 生成示例数据：A列包含3个分组，每个分组100行数据
df = pd.DataFrame({
    'A': np.repeat(['Group1', 'Group2', 'Group3'], 100),
    'OtherData': np.random.randn(300)
})

步骤2：分组抽样并获取选中行的索引 #

Pandas的groupby().sample()方法默认就是无放回抽样，我们直接用它抽取每组的10行，然后提取这些行的索引：

# 按A列分组，每组随机选10行，拿到选中行的索引集合
sampled_rows_index = df.groupby('A').sample(n=10).index

步骤3：给原始DataFrame添加标记列B #

用isin()方法判断每行的索引是否在抽样得到的索引集合里，直接生成True/False的标记列：

# 新增B列，标记该行是否被选中
df['B'] = df.index.isin(sampled_rows_index)

验证结果是否符合要求 #

可以快速检查每个分组中被标记为True的行数是否为10：

# 查看每个分组里选中行的数量
print(df.groupby('A')['B'].sum())

输出结果应该每个分组对应数值都是10，完美符合需求。

可选：用NumPy实现抽样逻辑 #

如果你更习惯用NumPy来处理抽样，也可以用下面的方式实现：

def mark_sampled_rows(group):
    # 在组内随机生成10个不重复的行位置
    sample_pos = np.random.choice(len(group), size=10, replace=False)
    # 初始化标记列，然后给选中位置设为True
    group['B'] = False
    group.iloc[sample_pos, group.columns.get_loc('B')] = True
    return group

# 分组应用自定义函数
df = df.groupby('A').apply(mark_sampled_rows)

这个方法和前面的结果完全一致，只是用NumPy的random.choice实现了抽样逻辑。

两种方法都能满足你的需求，其中Pandas原生的sample()方法更简洁高效，推荐优先使用。

内容的提问来源于stack exchange，提问作者Stephen Frost