熊猫配重样品

Question

我有df，我想从中抽样一些变量。假设df['type'].value_counts(normalize=True)返回：

0.3 A
0.5 B
0.2 C

我想制作类似sampledf = df.sample(weights=df['type'].value_counts())的东西，使sampledf ['type'].value_counts(normalize=True)将返回几乎相同的分布。如何在这里通过频率指令？

Answer 1

Weights必须以series of the same length作为原始df，因此最好将其添加为列：

df['freq'] = df.groupby('type')['type'].transform('count')
sampledf = df.sample(weights = df.freq)

或者不添加列：

sampledf = df.sample(weights = df.groupby('type')['type'].transform('count'))

Answer 2

除了上面的答案，应该注意的是，如果您想对每种类型进行平均采样，您应该将代码调整为：

df['freq'] = 1./df.groupby('type')['type'].transform('count')
sampledf = df.sample(weights = df.freq)

在两个类的情况下。如果你有两个以上的类，你可以使用下面的代码来概括权重计算：

w_j=n_samples / (n_classes * n_samples_j)