Python 如何生成具有特定需求的总体的随机子样本？

假设我有一个年龄和性别混合的群体（可能还有其他属性），我想生成一个具有特定属性的随机子样本（可以替换），例如：

• 样本量
• 50%的样本应为年龄编辑：
  这是一个样本，70%在30岁以下，20%为男性：

  N <- 100000
  orig_u30 <- 0.7
  orig_male <- 0.2
  set.seed(42)
  my_sample <- data.frame(age = sample(c("under 30", "30+"), N, replace = T, 
                                       prob = c(orig_u30, 1 - orig_u30)),
                          gender = sample(c("M", "F"), N, replace = T, 
                                          prob = c(male, 1-male)))
  addmargins(prop.table(table(my_sample$age, my_sample$gender)))
                   F       M     Sum
    30+      0.24292 0.05935 0.30227
    under 30 0.55675 0.14098 0.69773
    Sum      0.79967 0.20033 1.00000
  

  现在，我们对每一行都有一个权重，这将使其趋向于期望的份额：

  library(dplyr)
  my_subsample <- sample_n(my_sample, 10000, replace = TRUE, weight = my_sample$weight)
  
  addmargins(prop.table(table(my_subsample$age, my_subsample$gender)))
  

  ---

  原始答案：生成加权样本，但不生成加权子样本

  N <- 1000
  median_age <- 30
  male <- 0.2
  
  my_sample <- data.frame(age = rpois(N, median_age),
             gender = sample(c("M", "F"), N, replace = T, prob = c(male, 1-male)))
  
  median(my_sample$age) # will be 30 most runs
  table(my_sample$gender) # will be around 200 / 1000
  

  ---

  N
  reweight
  软件包听起来可能有帮助：
                  F      M    Sum
    30+      0.3683 0.2348 0.6031
    under 30 0.2375 0.1594 0.3969
    Sum      0.6058 0.3942 1.0000
  
  N <- 1000
  median_age <- 30
  male <- 0.2
  
  my_sample <- data.frame(age = rpois(N, median_age),
             gender = sample(c("M", "F"), N, replace = T, prob = c(male, 1-male)))
  
  median(my_sample$age) # will be 30 most runs
  table(my_sample$gender) # will be around 200 / 1000