如何对DataFrame按条件抽样 使布尔型target列的0和1样本量近似均衡

实现方法 #

你可以先按target取值拆分数据集，对两类样本分别处理后再合并，具体代码如下：

步骤1：拆分正负样本 #

# 保留target=0的全部样本
df_target0 = df[df['target'] == 0]
# 从target=1的样本中随机抽取6000条，random_state可固定随机种子保证结果可复现
df_target1 = df[df['target'] == 1].sample(n=6000, random_state=42)

步骤2：合并得到目标数据集 #

import pandas as pd
new_df = pd.concat([df_target0, df_target1], axis=0)

如果需要打乱合并后的样本顺序，避免同类样本集中排布，可以增加打乱操作：

# frac=1代表抽取全部样本即打乱顺序，reset_index重置索引避免重复
new_df = new_df.sample(frac=1, random_state=42).reset_index(drop=True)

参数说明 #

• n：指定抽样的样本数量，这里对应你需要的6000条target=1的样本
• random_state：随机种子参数，填写固定整数时每次运行抽样结果一致，不需要复现结果可以删除该参数
• reset_index(drop=True)：重置合并后的数据集索引，避免出现重复的索引值，不需要保留原索引的情况下建议添加

内容的提问来源于stack exchange，提问作者pouchewar