python 读取csv文件 使数据集每个类别样本数一样

可以按照以下步骤读取csv文件并使数据集每个类别样本数相同：

1. 首先导入pandas库，使用read_csv()函数读取csv文件并存储为DataFrame对象。

import pandas as pd
df = pd.read_csv('data.csv')

2. 使用groupby()函数按照类别分组，并使用size()函数统计每个类别的样本数。

class_counts = df.groupby('class').size()

3. 找到最小的类别样本数min_count。

min_count = class_counts.min()

4. 使用sample()函数从每个类别中随机抽取min_count个样本，并将结果存储为新的DataFrame对象。

balanced_df = df.groupby('class').apply(lambda x: x.sample(min_count)).reset_index(drop=True)

最后，balanced_df就是每个类别样本数相同的新数据集。

相关问题

python 读取csv文件 在每个类别中选取等比例训练样本

可以使用`pandas`库读取csv文件，并且使用`groupby`方法将数据按照类别分组。然后可以根据每个类别的总数计算出需要选取的训练样本数量，再使用`sample`方法从每个类别中选取相应数量的训练样本。

以下是一个示例代码：

import pandas as pd

# 读取csv文件
df = pd.read_csv('data.csv')

# 按照类别分组
groups = df.groupby('category')

# 计算每个类别需要选取的训练样本数量
sample_size = 100  # 每个类别选取100个样本
sample_counts = {}
for name, group in groups:
    count = len(group)
    sample_counts[name] = min(count, sample_size)

# 从每个类别中选取相应数量的训练样本
samples = []
for name, group in groups:
    sample_count = sample_counts[name]
    if sample_count > 0:
        sample = group.sample(n=sample_count)
        samples.append(sample)

# 合并选取的训练样本
result = pd.concat(samples)

在这个示例代码中，我们假设每个类别选取100个训练样本，可以根据实际情况调整`sample_size`变量的值。另外，`sample`方法默认是随机选取训练样本，如果需要按照一定的规则选取，可以自己编写选择逻辑。

python 读取csv文件 在每个类别中选取等比例训练样本和测试样本

可以使用 pandas 库读取CSV文件，并使用 sklearn 库中的 train_test_split 函数来实现等比例划分训练样本和测试样本。下面是一个示例代码：

import pandas as pd
from sklearn.model_selection import train_test_split

# 读取CSV文件
data = pd.read_csv("data.csv")

# 将数据按照类别分组
groups = data.groupby("category")

train_data = pd.DataFrame()
test_data = pd.DataFrame()

# 对每个类别进行等比例划分训练样本和测试样本
for name, group in groups:
    train, test = train_test_split(group, test_size=0.2)
    train_data = train_data.append(train)
    test_data = test_data.append(test)

# 输出划分后的训练集和测试集
print("训练集：")
print(train_data)
print("测试集：")
print(test_data)

在上述代码中，我们首先使用 pandas 库读取了一个名为 data.csv 的 CSV 文件，并将数据按照 category 列进行了分组。然后，我们使用 sklearn 库中的 train_test_split 函数对每个类别进行了等比例划分训练样本和测试样本，并将划分后的数据分别存储到 train_data 和 test_data 两个 DataFrame 中。最后，我们输出了划分后的训练集和测试集。