如何将以整数（age）为索引的330行DataFrame下采样至97行？

针对你这个以age为整数索引、330行的DataFrame，要下采样到97行，这里有两个简洁高效的实现方式，按需选择即可：

方法一：按行位置均匀采样（最简洁） #

如果只需要保证采样后的行在原数据中均匀分布，无需考虑age的数值分布，这个方法最快最直接：

import numpy as np

# 生成0到总行数-1之间的97个均匀整数索引
sample_idx = np.linspace(0, len(df)-1, 97, dtype=int)
downsampled_df = df.iloc[sample_idx]

原理很直观：np.linspace会在原数据的行位置范围内，生成97个间隔均匀的整数索引，再用iloc提取对应行，一步完成下采样。

方法二：基于age索引的区间采样 #

如果希望采样能贴合age的数值区间（比如原数据age分布不均匀时，保证每个年龄区间都有样本），可以用分箱分组的方式：

import pandas as pd

# 把age索引划分为97个等宽区间
df['age_bin'] = pd.cut(df.index, bins=97)
# 每个区间取第一行（也可以换成median()取中间值行、mean()取均值行等）
downsampled_df = df.groupby('age_bin').first().drop(columns='age_bin')

这个方法会根据age的数值范围拆分出97个区间，每个区间选一行样本，能更好地保留原数据在年龄维度上的分布特征。

内容的提问来源于stack exchange，提问作者user9454050