过样本二进制[重复]

Posted

tags:

篇首语:本文由小常识网(cha138.com)小编为大家整理,主要介绍了过样本二进制[重复]相关的知识,希望对你有一定的参考价值。

我有一些由类(X)和一些二进制(Y)组成的数据。我想通过对较小的类进行过采样来均衡类的大小。例如,如果我开始:

Df_01 = pd.DataFrame({'X' : [1,1,1,1,1,1,1,2,2],
                      'Y1': [1,1,1,1,1,0,0,0,1],
                      'Y2': [0,0,0,0,0,1,0,0,0]})

然后我想得到:

Df_02 = pd.DataFrame({'X' : [1,1,1,1,1,1,1,2,2,2,2,2,2,2,2,2],
                      'Y1': [1,1,1,1,1,0,0,0,1,0,1,0,1,0,1,0],
                      'Y2': [0,0,0,0,0,1,0,0,0,0,0,0,0,0,0,0]})

我试图这样做:

# Sort the data by class
Ma_01 = Df_01.groupby('X')
Di_01 = {}
for name, group in Ma_01:
    Di_01[str(name)] = group

# Size of each class
Se_01 = Df_01.groupby('X').size()

# Size of the biggest class
In_Bi = max(Se_01)

# How much over sampling would equalise the class sizes?
Se_Ra =  In_Bi / Se_01
Di_Ra =  Se_Ra.to_dict()

但是当我尝试:

# Copy each dataframe
Di_03 = {}
for x in Di_01:
    for y in range(int(Di_Ra[int(x)])):
        if not Di_03:
            Di_03[x] = Di_01[x]
        else:
            Di_03[x] = Di_03[x] .append(Di_01[x])

# Concatonate the dictionary to a single dataframe
df_03 = pd.concat(Di_03.values(), ignore_index=True)

我明白了

KeyError: '2'
答案

感谢您找到重复的Matthew Strawbridge! Ayhan对我的数据的原始作品的答案:

max_size = Df_01['X'].value_counts().max()

lst = [Df_01]

for class_index, group in Df_01.groupby('X'):
    lst.append(group.sample(max_size-len(group), replace=True))

Df_03 = pd.concat(lst)

以上是关于过样本二进制[重复]的主要内容,如果未能解决你的问题,请参考以下文章

片段中的recyclerview的“RecyclerView:没有附加适配器;跳过布局”[重复]

在 AVAudioPlayer 中获取音频片段的样本?

markdown 样本片段

iphone / Objective c的最佳代码片段网站是啥[重复]

Codeigniter 助手重复 HTML 代码片段

从活动的片段中的SetText到Textview [重复]