我有一个数据集，其中包含真假值作为分类器。我有一个这个数据集的DataFrame表示。然而，这个数据集的真假值比例大约是30:70。我理想的情况是希望两个分类器的比例达到50:50。最好的方法是如何显示我有多少个真假值的分类，然后从分类数量最多的分类中删除一些数据行？

例如 DataFrame 如下：

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

我理想的情况是删除上述数据集中信任值为0的4行。这只是我的数据集的一个非常小的子集。

回答：

您可以对列中的值进行分组，然后查看每个组中有多少元素。

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 pdfrom StringIO import StringIOdf = pd.DataFrame.from_csv( StringIO(data), index_col=None, sep='\s+')#--------------------------------------------------------------------print df.groupby('Trustworthy').size()'''Trustworthy0              71              3dtype: int64'''

或者

for name, group in df.groupby('Trustworthy'):    print "name:", name, "| len:", len(group)'''name: 0 | len: 7name: 1 | len: 3'''

要删除最后4行信任值为0的行

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

结果

  Language  Trustworthy0       en            01       du            02       li            04       en            17       en            19       en            1