Question

我在Python中有一个DataFrame，如下所示。

  Text  Label
0  abc      0
1  def      1
2  ghi      1
3   .       .
4   .       .
5   .       .

有100行带有标签“ 1”，只有50行带有标签“ 0”。我想要一个平衡的集合，以便有50行带有标签“ 0”和50行带有标签“ 1”。扔掉标记为“ 1”的行并不重要。

是否有使用Python编写此代码的简洁方法？

Answer 1

使用groupby和head：

df = df.groupby('Label').head(50)

这将从Label分别为0和1的行的每个子集中获取前50个。对于带有标签1的行，将拾取前50个，其余的将被丢弃。

要选择最后50个，请用head(50)替换tail(50)。

要随机选择50行，请使用apply + sample：

df = (df.groupby('Label', as_index=False)
        .apply(lambda x: x.sample(n=50))
        .reset_index(drop=True))

请注意，如果任何组的项目少于N（= 50），则此方法将无效。

Answer 2

您应该能够使用head：

DataFrame.head(50)