Python中如何随机选取DataFrame行并允许重复行？

嘿，这个需求我之前也碰到过！你当前用的sample(frac=...)默认是无放回采样（replace=False），所以没法选中重复的行。要实现有放回的随机选取，只需要给sample()方法加上replace=True参数就搞定了。

修改你的现有代码 #

直接在sample调用里添加replace=True参数，就能开启有放回采样：

dfSub = dataFrame.groupby(self.column, as_index=False).apply(
    lambda x: x.sample(frac=self.percentage, replace=True)
).reset_index(drop=True)

原理说明 #

当replace=True时，Pandas会在每次采样后把选中的行“放回”原分组，这样同一行就有机会被多次选中，完美满足你需要重复行的需求。

另一种灵活实现方式（用NumPy生成索引） #

如果你想更精细地控制采样逻辑，也可以用numpy.random.choice生成随机索引，再通过iloc提取行：

import numpy as np

dfSub = dataFrame.groupby(self.column, as_index=False).apply(
    lambda x: x.iloc[np.random.choice(
        len(x), 
        size=int(len(x)*self.percentage), 
        replace=True
    )]
).reset_index(drop=True)

这种方式和sample(replace=True)效果完全一致，适合需要自定义采样权重或其他特殊逻辑的场景。

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