您可以对原始 Dataframe 进行 Shuffle ，添加累积页数列，然后在累积页数超过12，000之前根据需要获取任意多的行：

sample = df[df["x"] <= 12_000].sample(frac=1)
sample = sample[sample["x"].cumsum() <= 12_000]

感谢@mozway的建议，答案被更新为仅对12，000页或更少的文档进行采样。这可以防止大文档（12，001页）在样本顶部被打乱，从而导致空选择。

我作为新手的第一次尝试回答问题以变得更好：

def sample_docs(df):
sample_subset=pd.DataFrame([[]])
total_page = 0
while total_page < 12000:
    df_ = df.sample()
    sample_subset = sample_subset.append(df_)
    total_page = sample_subset['x'].sum()
return sample_subset

看起来有效，但很明显：

• 未优化（当矢量化看起来更合适时循环，如@Code Different所示）
• 使用append方法，已弃用。在这里使用concat会更好
• 与@mozway之前所说的相同的缺点：抽样可能会给予数据一个不正确的感觉。2也许在抽样时使用分位数可以做到。