df.groupby(['target']).count()
| Țintă | date |
|---|---|
| Negativ | 103210 |
| Pozitiv | 211082 |
Acum, mi pozitive de date este prea mare. Vreau să-l ștergeți de 50% din rânduri a căror valoare în Target coloana este Positive. Cum pot face asta?
6
Pentru a menține o jumătate de Positive rânduri, sample 50% din Positive rânduri, folosind frac=0.5 și drop aceste indexuri:
indexes = df[df.target == 'Positive'].sample(frac=0.5).index
df = df.drop(indexes)
Pentru a păstra exact 100K Positive rânduri, sample 100K Positive rânduri, folosind n=100_000 și concat ei cu Negative rânduri:
df = pd.concat([
df[df.target == 'Negative'],
df[df.target == 'Positive'].sample(n=100_000)
])