python - Pandas 修改数据集，使两个分类具有相同的值

Question

我有一个数据集，其中包含真值和假值作为分类器。我有这个数据集的 DataFrame 表示。然而，该数据集的分类器真假值比例约为 30:70。理想情况下，两个分类器的比例都是 50 : 50。显示两个分类有多少个真值和假值，然后从数量最多的分类中删除一些数据行的最佳方法是什么？

例如 DF:

    Language    Trustworthy
           en   0
           du   0
           li   0
           tm   0
           en   1
           en   0
           en   0
           en   1
           fr   0
           en   1

理想情况下，我希望删除上述数据集中的 4 个，其可信值为 0。这只是我的数据集的一个非常小的子集。

Answer 1

您可以对列中的值进行分组，然后查看组中有多少个元素。

data = '''Language    Trustworthy
           en   0
           du   0
           li   0
           tm   0
           en   1
           en   0
           en   0
           en   1
           fr   0
           en   1'''

import pandas as pd
from StringIO import StringIO

df = pd.DataFrame.from_csv( StringIO(data), index_col=None, sep='\s+')

#--------------------------------------------------------------------

print df.groupby('Trustworthy').size()

'''
Trustworthy
0              7
1              3
dtype: int64
'''

或

for name, group in df.groupby('Trustworthy'):
    print "name:", name, "| len:", len(group)

'''
name: 0 | len: 7
name: 1 | len: 3
'''

<小时/>

用 0 删除最后 4 行

df = df.drop( df[ df['Trustworthy'] == 0 ].tail(4).index )

print df

结果

  Language  Trustworthy
0       en            0
1       du            0
2       li            0
4       en            1
7       en            1
9       en            1