有没有一种比random.sample（）更有效的数据过采样方法？

Question

我遇到了一个很大的不平衡分类问题，并希望通过对次要类进行过度采样来解决此问题。 （N（1级）= 8,5mio，N（n级）= 3000）

为此，我想通过以下方式为n个类分别获取100.000个样本

data_oversampled = []
for data_class_filtered in data:
    data_oversampled.append(data_class_filtered.sample(n=20000, replace=True))

其中data是特定于类的DataFrame的列表，而len(data)=10，data.shape=(9448788,97)

这可以按预期工作，但不幸的是要花掉永远。有没有更有效的方法来做同样的事情？