pandas - 基于列中的值采样 Pandas 数据框

Question

我有一个大型数据框，我想根据 target 上的值进行采样列值，二进制:0/1

我想在“目标”列中提取相同数量的具有 0 和 1 的行。我正在考虑使用 Pandas 采样函数，但不确定如何根据 target 为数据框声明我想要的两个类中相同数量的样本。柱子。

我正在考虑使用这样的东西:

df.sample(n=10000, weights='target', random_state=1)

不知道如何编辑它以获得 5k 的 10k 条记录 1's和 5k 0's在 target柱子。任何帮助表示赞赏!

Answer 1

您可以按目标对数据进行分组，然后进行采样，

df = pd.DataFrame({'col':np.random.randn(12000), 'target':np.random.randint(low = 0, high = 2, size=12000)})
new_df = df.groupby('target').apply(lambda x: x.sample(n=5000)).reset_index(drop = True)

new_df.target.value_counts()

1    5000
0    5000