如何删除Pandas DataFrame部分行以实现数据集平衡？

需求说明 #

现有通过Pandas读取的CSV数据，结构如下：

file_path, label
   -        -

标签仅包含0和1，当前频数统计结果：

data["label"].value_counts()

0    197664
1     78444

需要删除20000条标签为0的行，使0的频数变为195664，最终统计结果如下：

data["label"].value_counts()

0    195664
1     78444

实现步骤 #

• 第一步：筛选出所有标签为0的行的索引

zero_indices = data[data['label'] == 0].index

• 第二步：从这些索引中随机选取20000个（若需固定随机结果，可添加random_state参数）

to_drop = zero_indices.sample(n=20000, random_state=42)

• 第三步：删除选中的行

data = data.drop(to_drop)

验证结果 #

执行以下代码确认频数是否符合预期：

print(data['label'].value_counts())

内容的提问来源于stack exchange，提问作者Omar