【Pandas】pandas DataFrame sample

Pandas2.2 DataFrame

Reindexing selection label manipulation

方法	描述
DataFrame.add_prefix(prefix[, axis])	用于在 DataFrame 的行标签或列标签前添加指定前缀的方法
DataFrame.add_suffix(suffix[, axis])	用于在 DataFrame 的行标签或列标签后添加指定后缀的方法
DataFrame.align(other[, join, axis, level, ...])	用于对齐两个 `DataFrame` 或 `Series` 的方法
DataFrame.at_time(time[, asof, axis])	用于筛选特定时间点的行的方法
DataFrame.between_time(start_time, end_time)	用于筛选指定时间范围内的数据行的方法
DataFrame.drop([labels, axis, index, ...])	用于从 `DataFrame` 中删除指定行或列的方法
DataFrame.drop_duplicates([subset, keep, ...])	用于删除重复行的方法
DataFrame.duplicated([subset, keep])	用于检测重复行的方法
DataFrame.equals(other)	用于比较两个 `DataFrame` 是否完全相等的方法
DataFrame.filter([items, like, regex, axis])	用于筛选列或行标签的方法
DataFrame.first(offset)	用于选取时间序列型 DataFrame 中从起始时间开始的一段连续时间窗口的方法
DataFrame.head([n])	用于快速查看 `DataFrame` 前几行数据的方法
DataFrame.idxmax([axis, skipna, numeric_only])	用于查找每列或每行中最大值的索引标签的方法
DataFrame.idxmin([axis, skipna, numeric_only])	用于查找每列或每行中最小值的索引标签的方法
DataFrame.last(offset)	用于选取时间序列型 DataFrame 中从最后时间点开始向前截取一段指定长度的时间窗口的方法
DataFrame.reindex([labels, index, columns, ...])	用于重新索引 DataFrame 的核心方法
DataFrame.reindex_like(other[, method, ...])	用于将当前 DataFrame 的索引和列重新设置为与另一个对象（如另一个 DataFrame 或 Series）相同
DataFrame.rename([mapper, index, columns, ...])	用于重命名 DataFrame 的行索引标签或列名的方法
DataFrame.rename_axis([mapper, index, ...])	用于重命名 DataFrame 的索引轴名称（index axis name）或列轴名称（column axis name）的方法
DataFrame.reset_index([level, drop, ...])	用于将 DataFrame 的索引（index）重置为默认整数索引，并将原索引作为列添加回 DataFrame 中的方法
DataFrame.sample([n, frac, replace, ...])	用于从 DataFrame 中随机抽取样本行或列的方法

`pandas.DataFrame.sample()`

pandas.DataFrame.sample() 是一个用于从 DataFrame 中随机抽取样本行或列 的方法。它支持按指定数量（n）或比例（frac）抽样，支持有放回或无放回抽样，并可用于数据分析、数据清洗、模型训练前的数据划分等场景。

📌 方法签名

python 复制代码

DataFrame.sample(n=None, frac=None, replace=False, weights=None, random_state=None, axis=None, ignore_index=False)

🔧 参数说明

参数	类型	说明
`n`	整数	要抽取的样本数量（不能与 `frac` 同时使用）
`frac`	浮点数	抽取样本占总体的比例（如 `0.5` 表示抽取 50% 的数据）
`replace`	`bool`，默认 `False`	是否有放回抽样（`True` 表示允许重复抽取）
`weights`	str 或 array-like	权重数组或列名，表示每行/列被抽取的概率权重
`random_state`	int 或 `numpy.random.RandomState` 实例	控制随机性，确保结果可复现
`axis`	`{0/'index', 1/'columns'}`，默认 `0`	指定是按行抽样还是按列抽样
`ignore_index`	`bool`，默认 `False`	是否重置索引（抽样后的 DataFrame 使用从 0 开始的新索引）

⚠️ n 和 frac 不能同时使用。

✅ 返回值

返回一个新的 DataFrame，包含随机抽取的样本；
若 inplace=True 不可用，必须赋值给新变量；
默认保留原始索引，除非设置 ignore_index=True。

🧪 示例代码及结果

示例 1：基本用法 - 随机抽取 2 行

python 复制代码

import pandas as pd

df = pd.DataFrame({
    'A': [1, 2, 3, 4],
    'B': [10, 20, 30, 40]
}, index=['x', 'y', 'z', 'w'])

print("Original DataFrame:")
print(df)

# 随机抽取 2 行
sampled = df.sample(n=2, random_state=42)
print("\nRandomly sampled 2 rows:")
print(sampled)

输出结果：

复制代码

Original DataFrame:
   A   B
x  1  10
y  2  20
z  3  30
w  4  40

Randomly sampled 2 rows:
   A   B
z  3  30
x  1  10

设置 random_state=42 可保证每次运行结果一致。

示例 2：按比例抽样（frac=0.5）

python 复制代码

# 抽取 50% 的行
sampled_frac = df.sample(frac=0.5, random_state=42)
print("\nSampled 50% of the rows:")
print(sampled_frac)

输出结果：

复制代码

Sampled 50% of the rows:
   A   B
z  3  30
x  1  10

示例 3：有放回抽样（replace=True）

python 复制代码

# 从 4 行中抽取 5 行（必须允许重复）
sampled_replace = df.sample(n=5, replace=True, random_state=42)
print("\nSampled with replacement (n=5):")
print(sampled_replace)

输出结果：

复制代码

Sampled with replacement (n=5):
   A   B
z  3  30
x  1  10
z  3  30
x  1  10
y  2  20

注意某些行出现多次。

示例 4：加权抽样（weights 参数）

python 复制代码

# 给每一行指定不同的权重
sampled_weighted = df.sample(n=2, weights=[1, 1, 1, 10], random_state=42)
print("\nWeighted sampling (last row has higher weight):")
print(sampled_weighted)

输出结果：

复制代码

Weighted sampling (last row has higher weight):
   A   B
w  4  40
w  4  40

因为最后一行权重最高，所以更容易被选中。

示例 5：按列抽样（axis=1）

python 复制代码

# 随机抽取 1 列
sampled_col = df.sample(n=1, axis=1, random_state=42)
print("\nRandomly sampled 1 column:")
print(sampled_col)

输出结果：

复制代码

Randomly sampled 1 column:
   B
x  10
y  20
z  30
w  40

示例 6：忽略原索引（ignore_index=True）

python 复制代码

# 抽样并重置索引
sampled_ignore = df.sample(n=2, ignore_index=True, random_state=42)
print("\nSampled and reset index:")
print(sampled_ignore)

输出结果：

复制代码

Sampled and reset index:
   A   B
0  3  30
1  1  10

🧠 应用场景

数据探索：快速查看部分数据；
模型训练前的数据划分：随机选取训练集/验证集；
数据增强：通过有放回抽样增加样本量；
测试脚本：模拟小规模数据进行调试；
统计分析：进行抽样调查或蒙特卡洛模拟。

⚠️ 注意事项

n 和 frac 不能同时使用；
若需要重复抽样，需设置 replace=True；
使用 random_state 确保结果可复现；
支持按行或列抽样（通过 axis）；
默认保留原始索引，可通过 ignore_index=True 重置；
加权抽样时注意权重和应大于 0，否则会报错。