sample加权抽样需传等长非负weights序列，自动归一化；不支持字典映射，nan或长度不符会报错；权重为0的行永不被选；random_state必须显式设置（如42）才能复现结果，np.random.seed无效；抽样后索引保留原序，需reset_index(drop=true)重置。
sample方法怎么指定权重抽样
用 sample 做加权抽样，核心是传入 weights 参数，它必须是和原 DataFrame 或 Series 等长的序列（list、array、Series 都行），值非负、可为浮点数，内部会自动归一化。不支持传入字典或键值映射——很多人卡在这儿，以为能像 value_counts().sample(weights=...) 那样靠标签匹配，实际不行。
常见错误现象：ValueError: weights vector must be the same length as data，通常是传了长度不对的 weights，比如拿原始数据的某列直接当权重，但该列含 NaN，导致长度变短；或者用了 df.index 之类非数值型索引误当权重数组。
- 确保
weights是一维、无缺失、长度严格等于len(df) - 若想按某列比例抽样（如类别分布），先算好每行的权重：例如
df['class'].map({'A': 0.7, 'B': 0.3})，再传给weights=... - 权重为 0 的行永远不会被选中，这点比
query+sample组合更可控
random_state参数为什么必须显式设才可复现
sample 默认不固定随机种子，每次运行结果都不同。要复现实验，必须显式传 random_state（支持 int 或 numpy.random.Generator 实例）。只设 np.random.seed(42) 不起作用——这是很多人踩的坑，因为 pandas.sample 内部用的是自己的随机器，不共享全局 numpy 种子。
- 推荐用整数，如
random_state=42；用Generator更灵活但没必要，除非你已在统一管理随机器 - 如果同时调用多次
sample（比如分层抽训练/验证集），每个都得带相同random_state才能整体复现 - 注意：
random_state不影响weights计算逻辑，只控制“哪个索引被选中”的过程
sample抽样后索引乱序怎么办
默认 sample 会打乱原始索引顺序，返回带原始索引的子集（即索引不连续、不重排）。如果你需要重置索引（比如后续要按位置对齐或转成 numpy 数组），必须手动加 reset_index(drop=True)。
- 不加
reset_index：抽样后df.iloc[0]不代表第一条数据，而是原数据中某个随机索引位置的行 - 加
drop=True才干净；漏掉drop=True会多出一列index，容易在后续to_numpy()或模型输入时出错 - 如果抽样后立刻做
groupby或merge，保留原始索引反而有利，此时就别重置
sample和numpy.random.choice性能差异大吗
小数据（df.sample 比 np.random.choice(len(df), size=..., p=weights) + 索引切片慢 20%–50%，尤其加权抽样时 pandas 要做额外校验和归一化。
- 纯等概率抽样（无
weights）：优先用df.sample，语义清晰、代码少 - 高频调用或百万级数据+加权：改用
np.random.choice配合df.iloc[...]，自己控制归一化和边界 - 注意：
np.random.choice的p参数不允许含NaN或负数，而df.sample(weights=...)会报更友好的错误提示
权重配置和随机种子不是“设了就完事”，关键在权重向量的构造是否与数据对齐、random_state 是否真正生效、以及索引状态是否符合下游使用预期——这三个点漏掉任何一个，都会让看似简单的抽样变成调试半天的隐性 bug。
Python免费学习笔记（深入）：立即使用
在学习笔记中，你将探索 Python 的核心概念和高级技巧！
