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Python 如何从MNIST数据集中选择每个类的特定数量,python,keras,mnist,Python,Keras,Mnist,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
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)