如何删除DataFrame中Target列值为Positive的50%行数据

实现方法 #

你可以通过pandas的抽样+拼接逻辑完成正样本降采样，具体代码如下：

方法1：拆分后合并（逻辑更清晰，不易出错）

import pandas as pd

# 拆分正负样本子集
df_neg = df[df['target'] == 'Negative']
df_pos = df[df['target'] == 'Positive']

# 对正样本随机抽样保留50%，random_state参数用于固定随机结果保证可复现，可自行修改取值
df_pos_sampled = df_pos.sample(frac=0.5, random_state=42)

# 合并两个子集得到均衡后的数据集，ignore_index用于重置行索引
df_balanced = pd.concat([df_neg, df_pos_sampled], ignore_index=True)

方法2：直接在原数据集上删除目标行

# 筛选出要删除的50%正样本的行索引
drop_idx = df[df['target'] == 'Positive'].sample(frac=0.5, random_state=42).index
# 删除对应行并重置索引
df = df.drop(drop_idx).reset_index(drop=True)

结果验证 #

处理完成后你可以运行你之前的统计代码确认效果：

df_balanced.groupby(['target']).count()

输出结果中Negative样本数保持103210不变，Positive样本数约为105541，符合预期。

内容的提问来源于stack exchange，提问作者Yumeng Xu