我有 12 个独特的组，我试图从中随机抽样，每个组都有不同数量的观察值。我想从整个人口（数据框）中随机抽样，每组具有相同的被选中概率。最简单的示例是具有 2 个组的数据框。
groups probability
0 a 0.25
1 a 0.25
2 b 0.5
usingnp.random.choice(df['groups'], p=df['probability'], size=100)每次迭代现在将有 50% 的选择机会group a和 50% 的选择机会group b
为了得出概率，我使用了以下公式：
(1. / num_groups) / size_of_groups
或在 Python 中：
num_groups = len(df['groups'].unique()) # 2
size_of_groups = df.groupby('label').size() # {a: 2, b: 1}
(1. / num_groups) / size_of_groups
哪个返回
groups
a 0.25
b 0.50
这很有效，直到我超过 10 个独特的组，之后我开始得到奇怪的分布。这是一个小例子：
np.random.seed(1234)
group_size = 12
groups = np.arange(group_size)
probs = np.random.uniform(size=group_size)
probs = probs / probs.sum()
g = np.random.choice(groups, size=10000, p=probs)
df = pd.DataFrame({'groups': g})
prob_map = ((1. / len(df['groups'].unique())) / df.groupby('groups').size()).to_dict()
df['probability'] = df['groups'].map(prob_map)
plt.hist(np.random.choice(df['groups'], p=df['probability'], size=10000, replace=True))
plt.xticks(np.arange(group_size))
plt.show()
我希望样本量足够大的分布相当均匀，但是当组数为 11+ 时，我会得到这些翅膀。如果我将group_size变量更改为 10 或更低，我确实得到了所需的均匀分布。
我不知道问题出在我的概率计算公式上，还是出在浮点精度问题上？任何人都知道完成此操作的更好方法，或此示例的修复方法？
提前致谢！
