如何在Pandas中获取列中各取值指定数量数据以平衡数据集

当然可以实现，针对你给出的数据集情况（X列中A有1500条、B有3000条、C有1300条），直接通过Pandas的分组抽样功能就能完成每组抽取1250条数据的需求，代码示例如下：

# 假设你的数据集名为df，类别列是X
balanced_df = df.groupby('X').sample(n=1250, random_state=42)

关键参数说明 #

• groupby('X')：按类别列X对数据集进行分组
• sample(n=1250)：从每个分组中随机抽取1250条样本，你的三个类别样本量都大于1250，无需额外处理
• random_state=42：设置随机种子保证每次抽样结果一致，可根据需求调整或移除

额外提示 #

如果后续遇到部分类别样本量不足目标抽取数的情况，可以添加replace=True参数开启有放回抽样，但此场景下不需要。若需要保留原数据集的索引顺序，可在抽样后追加.sort_index()操作。

内容的提问来源于stack exchange，提问作者Emre Oz