从数据框中删除随机行直到计数等于某些标准

Question

我有一个数据框，其中包含我提供给 Python 中的 ML 库的数据。我拥有的数据分为 5 个不同的任务，t1、t2、t3、t4、t5。我现在拥有的每项任务的数据都是不均匀的，为了简化这里是一个例子。

task, someValue
t1,   XXX
t1,   XXX
t1,   XXX
t1,   XXX
t2,   XXX
t2,   XXX

在上述情况下，我想删除任务标签为“t1”的随机行，直到“t1”的数量与“t2”的数量相等 所以代码运行后应该是这样的：

task, someValue
t1,   XXX
t1,   XXX
t2,   XXX
t2,   XXX

最干净的方法是什么？我当然可以只做 for 循环和 if 条件并使用随机数并计算每次迭代的出现次数，但该解决方案不会很优雅。当然必须有一种使用数据框功能的方法吗？到目前为止，这是我得到的：

def equalize_rows(df):
    t = df['task'].value_counts()
    mininmum_occurance = min(t)

Answer 1

你可以计算出你的dataFrame中最少的任务数，然后使用groupby + head 得到每个任务的前N行。

v = df['task'].value_counts().min()
df = df.groupby('task', as_index=False).head(v)

df
  task someValue
0   t1       XXX
1   t1       XXX
4   t2       XXX
5   t2       XXX