Python 如何对所有类别的数据进行随机抽样？

我有一些数据和相应的标签，如下所示：

data = [img1, img2, img3, ...]    # each category has 1000 samples, total data is 10000
labels = [1, 1, 2, 2, 3, 3, 4, 4, ...]    # total num of labels is 10

我想创建一个新的子数据集，其中一个类别有1000个样本，其他类别分别有100个样本。因此，子数据集中的总数据量将为1900。（1000对900）

（我的目的是为二进制分类制作子数据集）

因此，我需要以相同的数量对每个类别的数据进行随机抽样

我认为这和分层抽样很相似，所以我试图在scikit learn中找到方法，但我做不到

---

我该怎么做呢？

我也找不到函数，所以我做了一个

让我们制作一个伪造的数据集：

import numpy as np

x = np.random.choice(np.arange(10), 10_000)

现在，如果从

x

中获取，我们将查找返回相同分层样本的索引

d=dict（）
对于np.unique（x）中的val：
d[str（val）]=np.其中（x==val）
d[str（val）]=np.random.choice（d[str（val）][0]，100，replace=False）
ix=np.concatenate（[d.values（）中的值的值]）

让我们测试一下：

print(np.unique(x[ix], return_counts=True))

---

您也可以将

ix

与

y

或任何其他数组一起使用。

感谢您的回答！

Out[64]: 
(array([0, 1, 2, 3, 4, 5, 6, 7, 8, 9]),
 array([100, 100, 100, 100, 100, 100, 100, 100, 100, 100], dtype=int64))