Python Pandas Dataframe采样

Question

我正在寻找一种以特定方式对数据集进行采样的优雅方法。我找到了一些解决方案，但我想知道你们中是否有人知道更好的方法。

以下是我正在查看的任务：

我想平衡我的数据集，因此我对类0的实例数量与类1相同，因此在下面的示例中，我们有5个类1实例和11个0类实例：

id | class
------ | ------ 
1 | 1
1 | 0
1 | 0
1 | 0
1 | 0
2 | 1
2 | 1
2 | 0
2 | 0 
2 | 0
3 | 1
3 | 1
3 | 0
3 | 0
3 | 0
3 | 0

Sofar我刚刚删除了6个0级实例，但我想防止一个id的所有实例都被删除。我尝试使用sklearn进行分层“分裂”，但它不起作用，因为并非每个id都包含多个项目。所需的输出应该类似于：

id | class
------ | ------ 
1 | 1
1 | 0
2 | 1
2 | 1
2 | 0
2 | 0 
3 | 1
3 | 1
3 | 0
3 | 0

有什么好主意吗？

Answer 1

我最好的猜测：'保护'每个id中的一个随机行（用这些行创建单独的数据帧），然后从原始数据帧中删除直到满意为止（包括“受保护”数据帧中的类将与之齐起的事实还剩下什么）并连接两个数据帧？

Answer 2

我想到了这一点：

1. 取class = 0部分数据集
2. 取class =数据集的一部分
3. 来自class0数据集的样本与class1数据集中的行数相同

4. 级联

   df0 = df [df ['class'] == 0]

   df1 = df [df ['class'] == 1]

   df_strat = pd.concat（[df0.sample（df1.shape [0]），df1]）