Question

我是Python的新手，我有一个问题要删除数组y_train中50％的值，但只删除那些值= 0的值

所以我正在使用train_test_split创建x_test x_train y_test和y_train。在y_train中，值为0的5287倍和值为1的422倍。我想删除50％的y_train，其中值为0。因此y_train只有5287/2 = 2644乘以值0和422乘以值1。

我要这样做，因为我的数据框很小。我的随机森林模型仅预测0，而不预测1。因此，我希望y_train中的值0较小。问题在于y_train是一个数组而不是一个数据帧。

以“ Schade_tussen_6_18_mnd”作为目标，定义X和Y

Y = np.array(df['Schade_tussen_6_18_mnd'])
X = df.drop('Schade_tussen_6_18_mnd', axis=1)

用于拆分数据：

X_train, X_test, Y_train, Y_test = train_test_split(X, Y, test_size=0.2, stratify=Y)

我尝试过 Y_train.drop(Y_train.query(' = 0').sample(frac=0.5).index) 但是我得到了错误：numpy.ndarray'对象没有属性'drop

我希望输出为y_train（2644，422）而不是y_train（5287，422）

Answer 1

实际上，不要自己做，而要使用imbalanced-learn之类的软件包。

但这是使用numpy进行操作的示例：

c10 = np.polynomial.Chebyshev.fit(x, y,10)
plt.xscale("log")
plt.plot(x, y, '.', x, a(x), '-')
plt.show()

示例：

import numpy as np

def make_fake_y(n_zeros, n_ones):
    y = np.array([0]*n_zeros +  [1]*n_ones)
    np.random.shuffle(y)
    return y 

def find_half_the_zeros(y):
    idx_0 = np.where(y==0)[0]
    np.random.shuffle(idx_0)
    idx_delete = idx_0[:idx_0.shape[0]//2]
    return idx_delete

如何在有条件的情况下删除y_train数组中值的百分比

1 个答案: