sample方法中weights必须与DataFrame行数严格对齐且无NaN/负数；需同步切片权重或用pd.Series指定index自动对齐；权重为0会跳过，全零或和≈0将报错；必须显式指定n或frac；random_state需配合固定权重才能复现结果。
sample方法中weights参数的正确传入方式
直接传入列表或数组是可行的，但必须和DataFrame行数严格对齐，且不能含NaN或负数。常见错误是用布尔索引后直接调用sample(weights=...)，此时索引已重排，但权重数组仍按原顺序——结果错位甚至报ValueError: weights vector must be the same length as the axis。
- 确保
weights长度等于df.shape[0]，不是原始数据长度 - 若先做了
df.query()或df[df.col > 0]，需同步切片权重：weights = weights[mask] - 推荐用
pd.Series构造权重，并指定index=df.index，可自动对齐（即使索引非连续）
权重为0时sample的行为与陷阱
sample会跳过权重为0的行，但不会报错；如果所有权重都为0，会抛出ValueError: Invalid weights: must sum to a positive value。更隐蔽的问题是浮点精度导致权重和≈0（如全为1e-16），同样触发该错误。
- 用
np.isclose(weights.sum(), 0)提前检查，避免运行时崩溃 - 避免直接用
df['prob'].values作权重——若含NaN，sum()返回nan，后续判断失效 - 安全做法：
weights = df['prob'].fillna(0).clip(lower=0).values，再归一化
使用weights时frac和n不能同时为None
当指定weights，必须显式设置n或frac。否则报TypeError: sample() missing 1 required argument: 'n' or 'frac'——这和不加权重时默认n=1的行为不同。
- 想抽5行：用
df.sample(n=5, weights=weights) - 想抽20%：用
df.sample(frac=0.2, weights=weights) - 不要写
df.sample(weights=weights)，会直接报错 - 注意
frac是浮点数，实际抽取行数向下取整（如100行抽frac=0.019得1行），n则严格精确
weights与random_state组合使用的稳定性问题
设了random_state能复现结果，但前提是权重数组本身不随运行变化。常见翻车点：权重依赖datetime.now()、未固定np.random.seed()生成的随机数、或从带shuffle=True的train_test_split输出中取权重。
立即学习“Python免费学习笔记（深入）”；
- 调试时先打印
weights[:3]和weights.sum()，确认每次一致 - 若权重来自模型预测（如
model.predict_proba()），确保模型已.eval()且torch.set_grad_enabled(False)（PyTorch场景） - 用
df.sample(..., random_state=42)比用np.random.seed(42); df.sample(...)更可靠，后者不保证pandas内部随机逻辑被覆盖
