使用np.random.choice抽样后数据出现重复值，求问题排查

你的随机抽样代码之所以会产生重复值，核心问题出在np.random.choice的默认行为上：它默认采用有放回抽样（参数replace=True），这就意味着同一个行索引可能被多次选中，导致data_T0_random里出现重复的行记录。当你把它和data_T1合并后，整个data数据集自然就存在重复值，所以执行drop_duplicates()后数据长度会减少。

修正方法有两种，根据你的数据量选择： #

1. 无放回抽样（推荐，当len(data_T0) >= 10000时）
   给np.random.choice添加replace=False参数，确保每个样本只被抽取一次：

   data_T0_random = data_T0.loc[np.random.choice(data_T0.index, 10000, replace=False)]
   

2. 适配数据量的安全抽样
   如果data_T0的总行数不足10000，无放回抽样会直接报错。这时候可以先取实际数据量和目标抽样量的最小值，再进行无放回抽样：

   target_sample = 10000
   actual_sample = min(target_sample, len(data_T0))
   data_T0_random = data_T0.loc[np.random.choice(data_T0.index, actual_sample, replace=False)]
   

更简洁的替代方案：用Pandas原生的sample()方法 #

Pandas自带的sample()方法专门为数据框抽样设计，默认就是无放回抽样，还能自动处理数据量不足的情况（如果数据量小于目标抽样数，会直接返回全部数据），代码更简洁：

data_T0_random = data_T0.sample(n=10000)
# 若需要固定抽样结果（方便复现），可以添加random_state参数
# data_T0_random = data_T0.sample(n=10000, random_state=42)

内容的提问来源于stack exchange，提问作者rk jp