python - 比率为 1 :1 of specific column entry 的 Pandas 随机样本

Question

我有一个 pandas dataframe 对象，其列 ['text', 'label'] 的标签值为 'pos' 或 'neg'。

问题是我有更多带有“neg”标签的列，就像我有“pos”标签一样。

现在的问题是，是否可以随机选择与“pos”句子一样多的“neg”句子，这样我就能得到一个新的数据框，两个标签的比例为 50:50？

我是否必须计算“pos”句子并将它们全部放入一个新的数据框中，然后执行 neg_df = dataframe.sample(n=pos_count) 并将其附加到之前创建的所有正数据框中，还是有更快的方法？

感谢您的帮助。

Answer 1

# Sample data.
df = pd.DataFrame({'text': ['a', 'b', 'c', 'd', 'e'], 
                   'label': ['pos'] * 2 + ['neg'] * 3})
>>> df
  label text
0   pos    a
1   pos    b
2   neg    c
3   neg    d
4   neg    e

# Create views of 'pos' and 'neg' text.
neg_text = df.loc[df.label == 'neg', 'text']
pos_text = df.loc[df.label == 'pos', 'text']

# Equally sample 'pos' and 'neg' with replacement and concatenate into a dataframe.
result = pd.concat([neg_text.sample(n=5, replace=True).reset_index(drop=True), 
                    pos_text.sample(n=5, replace=True).reset_index(drop=True)], axis=1)

result.columns = ['neg', 'pos']

>>> result
  neg pos
0   c   b
1   d   a
2   c   b
3   d   a
4   e   a