You need to enable JavaScript to run this app. Pandas分类列二值编码实现与loc赋值失效、欠采样类标设置问题
优惠活动
大模型
产品
解决方案
定价
更多

Pandas分类列二值编码实现与loc赋值失效、欠采样类标设置问题

问题根因
  • 你之前的代码存在两处核心错误,直接导致执行结果不符合预期:
    1. 赋值逻辑和需求完全颠倒:第一份代码写的data.loc[data['type'] != 'normal', 'type'] = -1,本意是给非normal类别的样本赋值,但实际给这部分位置赋了-1,而需求里这部分应该赋值1,对应要赋值-1的normal类别没有任何赋值逻辑。
    2. 分步改列导致原数据被覆盖:你在原'type'列上反复进行赋值操作,第一步把非normal的位置改成数值-1之后,列里原本存储的字符串类型取值已经被部分替换为数字;后续再执行data.loc[data['type'] == 'normal', 'type'] = 1时,pandas已经无法从被修改过的列里匹配到值为normal的行(因为原字符串值已经被覆盖),所以看起来代码完全不生效,整列都停留在之前赋值的-1状态。
正确的重编码实现方案

要从根本上避免分步改列导致的原数据丢失问题,优先用一步完成判断和赋值的写法,推荐两种实现:

  1. 用numpy.where直接基于原始列值做映射,全程不修改原列的中间状态:
    import numpy as np
    # 满足normal条件的条目赋值-1,其余条目赋值1
    data['type'] = np.where(data['type'] == 'normal', -1, 1)
    
  2. 用apply做逐行映射,可读性更强,适合逻辑稍复杂的判断场景:
    data['type'] = data['type'].apply(lambda row: -1 if row == 'normal' else 1)
    
    如果习惯用布尔索引的写法,一定要先给整列赋默认值,再基于原始的判断条件覆盖对应位置,不要在同一个列的修改过程中做匹配判断:
    # 先备份原始列值,避免被修改后无法匹配
    original_type = data['type'].copy()
    data['type'] = 1
    data.loc[original_type == 'normal', 'type'] = -1
    
关联欠采样任务的实现逻辑

重编码完成后,列内的-1对应负类(原normal样本)、1对应正类(其余四类样本),直接基于这个标签拆分样本做欠采样即可,不需要额外做标签映射:

  • 按类标拆分样本子集:
    neg_set = data[data['type'] == -1]
    pos_set = data[data['type'] == 1]
    
  • 统计两类样本量,对多数类做等量随机抽样,拼接成平衡数据集:
    neg_num = len(neg_set)
    pos_num = len(pos_set)
    
    if neg_num > pos_num:
        # 负类为多数类,抽样到和正类等量
        sampled_neg = neg_set.sample(n=pos_num, random_state=42)
        balanced_data = pd.concat([sampled_neg, pos_set])
    else:
        # 正类为多数类,抽样到和负类等量
        sampled_pos = pos_set.sample(n=neg_num, random_state=42)
        balanced_data = pd.concat([neg_set, sampled_pos])
    
    整个过程和类标逻辑完全打通,不会出现之前改列导致的原数据丢失问题。

内容的提问来源于stack exchange,提问作者wakanada

相关产品推荐
方舟 Agent Plan

超全模态模型 × Harness 升级,最新支持 Deepseek-V4.1-Flash、GLM-5.3 系列、Doubao-Seedream-5.0-pro、Kimi-K3 (部分), 限时 9.9 元起

最近更新时间:2026.11.04 15:06:10