欠采样，从负样本表格中挑选与正样本等量的负样本python代码

非常感谢您的提问。以下是一个简单的Python代码实现欠采样，从负样本表格中挑选与正样本等量的负样本的方法：

import pandas as pd
from sklearn.utils import resample

# 假设正样本数据存储在 positve_df 中，负样本数据存储在 negative_df 中

# 计算正样本和负样本的数量
n_positive_samples = len(positive_df)
n_negative_samples = len(negative_df)

# 从负样本中随机抽取和正样本数量相同的样本
negative_df_resampled = resample(negative_df, n_samples=n_positive_samples, random_state=42)

# 合并正样本和负样本，生成新的平衡数据集
balanced_df = pd.concat([positive_df, negative_df_resampled])

# 这里的 shuffle 是可选的，如果需要可以打开，对数据进行打乱（shuffle）操作。
# balanced_df = balanced_df.sample(frac=1, random_state=42)

其中，关键的库是 `pandas` 和 `scikit-learn` 中的 `resample` 方法。我们首先计算正样本和负样本的数目，然后使用 `resample` 方法从负样本中随机抽取和正样本数量相同的样本。最后，我们使用 `concat` 方法将正样本和抽取的负样本合并起来，生成新的平衡数据集。

希望我的回答对您有所帮助。如果您有其他的问题，请随时提出。