本文介绍一种灵活、可复用的方法，通过分组抽样与去重合并策略，在 pandas 中实现同时满足“每地点至少2个样本（若可行）”和“每颜色至少1个样本（若可行）”的复合条件随机抽样。
本文介绍一种灵活、可复用的方法，通过分组抽样与去重合并策略，在 pandas 中实现同时满足“每地点至少2个样本（若可行）”和“每颜色至少1个样本（若可行）”的复合条件随机抽样。
在实际数据分析中，简单的 df.sample(n) 往往无法满足业务层面的结构化抽样需求——例如要求样本在多个分类维度（如 location 和 color）上均具备最低覆盖度。此时需采用分层+组合+去重的策略，而非单一全局抽样。
以下是一个专业、健壮的实现方案：
import pandas as pd
def custom_sample(df, min_per_location=2, min_per_color=1, random_state=42):
"""
从DataFrame中抽取满足多维约束的随机样本：
- 每个 location 至少 min_per_location 个样本（上限为该组实际行数）
- 每个 color 至少 min_per_color 个样本（默认为1）
返回去重后的合并样本，确保无重复行。
"""
# 按 location 分组抽样：每组取 min(指定数, 组大小) 行
location_samples = (
df.groupby('location', group_keys=False)
.apply(lambda g: g.sample(n=min(min_per_location, len(g)),
random_state=random_state))
)
# 按 color 分组抽样：每组固定取 min_per_color 行（此处为1）
color_samples = (
df.groupby('color', group_keys=False)
.apply(lambda g: g.sample(n=min_per_color, random_state=random_state))
)
# 合并两部分样本，并自动去重（基于所有列值完全一致）
combined_sample = pd.concat([location_samples, color_samples]).drop_duplicates()
return combined_sample.reset_index(drop=True)
使用示例（基于题设数据）：
# 构造原始数据
df1 = pd.DataFrame({
'character': ['mario', 'luigi', 'yoshi', 'peach', 'bowser', 'boo', 'toad', 'lakitu', 'koopa'],
'location': ['castle', 'castle', 'forest', 'castle', 'dungeon', 'dungeon', 'forest', 'forest', 'dungeon'],
'color': ['red', 'green', 'green', 'yellow', 'blue', 'white', 'blue', 'yellow', 'green']
})
# 执行抽样
result = custom_sample(df1)
print(result)
✅ 输出保障说明：
-
location维度：castle（3人）、forest（3人）、dungeon（3人）→ 各取最多2人 → 共6人； -
color维度：red/green/yellow/blue/white（共5色）→ 各取1人 → 共5人； - 合并后自动去重，最终样本兼具双重覆盖性（如
green色可能已在forest或dungeon抽样中被包含，避免冗余）。
⚠️ 注意事项：
- 若某分组行数不足要求（如某
color仅1行但min_per_color=2），sample()将抛出ValueError；建议在生产环境中添加replace=True（允许有放回抽样）或预检len(g) >= n； -
random_state固定确保结果可复现，调试阶段推荐保留，上线后可设为None以获得真正随机性； - 此方法不保证总样本量精确可控（因去重导致数量浮动），如需严格
n行，应在合并后追加sample(n, replace=False)—— 但需注意可能破坏原始约束，应谨慎权衡。
该方案逻辑清晰、扩展性强，只需调整参数或增减分组维度（如增加 .groupby('category')），即可适配更复杂的多条件抽样场景。
