Pandas多维度分组随机抽样：每组抽取指定数量样本实现方案

看来你已经找对了方向，用groupby来处理分组抽样完全可行！我来帮你把这个方案补全，完美适配你的需求——按type、Class、image name每个分组随机抽取2条数据。

首先先确认下你的示例数据结构：

import numpy as np
import pandas as pd
# Setup fake data.
np.random.seed([3, 1415])
df = pd.DataFrame({
    'Class': list('AAAAAAAAAABBBBBBBBBB'),
    'type': (['short']*5 + ['long']*5) *2,
    'image name': (['image01']*2 + ['image02']*2)*5,
    'Value2': np.random.random(20)
})

接下来就是完整的分组抽样代码，直接补全你没写完的部分：

# 按指定字段分组，每个组随机抽取2条数据
df2 = df.groupby(['type', 'Class', 'image name']).apply(lambda x: x.sample(n=2, random_state=3)).reset_index(drop=True)

代码细节解释 #

• groupby(['type', 'Class', 'image name'])：按照你需要的三个维度完成分组，确保每个分组都是唯一的type+Class+image name组合
• .apply(lambda x: x.sample(n=2, random_state=3))：对每个分组执行抽样操作，n=2指定抽取2条数据；加上random_state是为了固定抽样结果，保证每次运行都得到相同的随机样本（如果不需要固定随机性，可以去掉这个参数）
• .reset_index(drop=True)：重置结果的索引，避免分组带来的多级索引干扰后续的数据处理

如果你的数据里存在某些分组的条目不足2条的情况，怕触发报错的话，可以改成下面的写法，自动抽取该分组的所有数据：

df2 = df.groupby(['type', 'Class', 'image name']).apply(lambda x: x.sample(n=min(2, len(x)), random_state=3)).reset_index(drop=True)

这样不管分组里有1条还是更多数据，都能安全完成抽样啦。

内容的提问来源于stack exchange，提问作者Julien