基于列

Question

我有一个大的数据框，我想根据target列值（二进制值：0/1）上的值进行采样

我想提取“目标”列中具有0和1的相等数量的行。我当时在考虑使用pandas采样函数，但不确定如何基于target列从两个类中为数据帧声明相等数量的样本。

我正在考虑使用类似这样的东西：

df.sample(n=10000, weights='target', random_state=1)

不确定如何编辑它，以在1's列中使用5k 0's和5k target获取10k记录。任何帮助表示赞赏！

Answer 1

您可以使用 DataFrameGroupBy.sample 方法如下：

sample_df = df.groupby("target").sample(n=5000, random_state=1)

Answer 2

您可以按目标对数据进行分组，然后进行采样

df = pd.DataFrame({'col':np.random.randn(12000), 'target':np.random.randint(low = 0, high = 2, size=12000)})
new_df = df.groupby('target').apply(lambda x: x.sample(n=5000)).reset_index(drop = True)

new_df.target.value_counts()

1    5000
0    5000

Answer 3

您将必须运行df0.sample（n = 5000）和df1.sample（n = 5000），然后将df0和df1合并到dfsample数据帧中。您可以使用某些逻辑通过df.filter（）创建df0和df1。如果您提供示例数据，我可以帮助您构建该逻辑。

Answer 4

也发现这是一个好方法：

df['weights'] = np.where(df['target'] == 1, .5, .5)
sample_df = df.sample(frac=.1, random_state=111, weights='weights')

根据要从原始数据框中返回的数据百分比，更改frac的值。