Pandas：筛选DataFrame中指定列值计数与少数类相等的行

方法一：分组采样（通用写法） #

这种方法适用于Target包含多个类别的场景，自动将所有类别采样至少数类的样本数量：

import pandas as pd

# 获取少数类的样本数量
min_sample_count = df['Target'].value_counts().min()

# 按Target分组后对每个类别采样，少数类保留全部数据，多数类随机采样至目标数量
balanced_df = df.groupby('Target').apply(
    lambda group: group.sample(n=min_sample_count, random_state=42)
).reset_index(drop=True)

# 输出结果
print(balanced_df)
print(balanced_df['Target'].value_counts())

方法二：手动分离采样（直观写法） #

如果只有两类数据，可手动分离后单独处理，逻辑更清晰：

# 分离Target为0和1的数据集
target_0 = df[df['Target'] == 0]
target_1 = df[df['Target'] == 1]

# 对多数类（Target=0）随机采样2个样本（与少数类数量一致）
target_0_sampled = target_0.sample(n=2, random_state=42)

# 合并采样后的多数类与全部少数类数据
balanced_df = pd.concat([target_0_sampled, target_1]).reset_index(drop=True)

# 输出结果
print(balanced_df)
print(balanced_df['Target'].value_counts())

补充说明 #

• random_state=42用于固定随机采样结果，保证每次运行得到相同的样本集；若不需要固定结果，可直接删除该参数。
• reset_index(drop=True)用于重置合并后DataFrame的索引，避免原索引混乱。

内容的提问来源于stack exchange，提问作者Movilla