Python 如何从MNIST数据集中选择每个类的特定数量

我正在使用tensorflow处理Mnist。我需要用每个类的特定数量的数据（例如每个数字的500个样本）来训练我的网络。 我找到了

---

但我如何才能选择每一个的500个号码，然后将它们和洗牌组合起来呢

如果您拥有一个数据帧

那么您可以
groupby
标签，然后获得
头部
或
尾部

import pandas as pd

df = pd.DataFrame({
    'X1': [1,2,3,4,5,6,7,8,9,10,11,12],
    'X2': [21,22,23,24,25,26,27,28,29,30,31,32],
    'label': ['a','a','a','a','b','b','b','b','c','c','c','c']
})

groups = df.groupby('label')

df2 = groups.head(2)    
#df2 = groups.apply(lambda x:x[:2]) # the same as head(2)
#df2 = groups.apply(lambda x:x.sample(frac=1)[:2]) # shuffled before get values

print(df2)

结果

   X1  X2 label
0   1  21     a
1   2  22     a
4   5  25     b
5   6  26     b
8   9  29     c
9  10  30     c

然后，您可以将其洗牌并将其拆分为
X\u-train
，
y\u-train

df2 = df2.sample(frac=1).reset_index(drop=True)

X_train = df2[['X1','X2']]
y_train = df2['label']

print(X_train)
print(y_train)

df2 = df2.sample(frac=1).reset_index(drop=True)

X_train = df2[['X1','X2']]
y_train = df2['label']

print(X_train)
print(y_train)