如何对DataFrame中的多数类进行40%比例的随机欠采样？

针对你的需求，不需要强制平衡到1:1比例，直接按指定比例保留多数类样本即可，用Pandas就能轻松实现，步骤如下：

• 1. 分离少数类与多数类样本
     先把DataFrame里的两类数据拆分出来，假设你的目标类别列名为target，多数类是类别1：

import pandas as pd

# 读取CSV为DataFrame（如果还没完成这一步）
df = pd.read_csv('your_dataset.csv')

# 拆分两类样本
minority = df[df['target'] == 0]
majority = df[df['target'] == 1]

• 2. 按比例采样多数类
     如果你想移除30%的多数类样本，就保留70%；移除40%则保留60%。用sample()方法指定保留比例即可：

# 设置保留比例：移除30%则设为0.7，移除40%设为0.6
keep_ratio = 0.7
# random_state用于固定采样结果，保证可复现，可根据需求调整或删除
sampled_majority = majority.sample(frac=keep_ratio, random_state=42)

• 3. 合并得到最终数据集
     把采样后的多数类和少数类合并，重置索引避免混乱：

undersampled_df = pd.concat([minority, sampled_majority], axis=0).reset_index(drop=True)

• 验证采样结果
  可以查看新数据集的类别分布，确认是否符合预期：

print(undersampled_df['target'].value_counts())

这种方法完全按照你要求的比例移除多数类样本，不需要调整到严格的1:1平衡状态，灵活适配你的需求。

内容的提问来源于stack exchange，提问作者Jacob Issac