### 下采样代码的实现 在数据处理领域，下采样是一种常见的技术，用于减少数据集中的样本数量以便于分析或训练模型。以下是基于Python编写的简单下采样方法。 #### 方法一：随机下采样 可以通过`numpy.random.choice`函数来实现简单的随机下采样： ```python import numpy as np def downsample_random(data, target_size): """ 随机下采样到指定大小。 参数: data (list or array): 原始数据列表或数组。 target_size (int): 目标数据量大小。 返回: list or array: 下采样的数据集合。 """ indices = np.random.choice(len(data), size=target_size, replace=False) return [data[i] for i in indices] # 示例调用 original_data = list(range(100)) downsampled_data = downsample_random(original_data, 20) print(downsampled_data) ``` 此方法适用于任何可以索引的数据结构，并能有效控制最终返回的结果长度[^1]。 #### 方法二：时间序列均匀间隔下采样 对于时间序列或其他有序数据，可以选择固定步长的方式进行均匀间隔选取： ```python def downsample_uniform(data, step=2): """ 使用固定的步长对数据进行均匀间隔下采样。 参数: data (list or array): 输入数据。 step (int): 步长，默认为2。 返回: list or array: 经过均匀间隔下采样的数据子集。 """ return data[::step] # 示例调用 time_series_data = list(range(50)) uniform_downsampled = downsample_uniform(time_series_data, step=5) print(uniform_downsampled) ``` 这种方法特别适合保持原始信号特征的同时降低分辨率的需求[^2]。 #### 方法三：基于概率分布的选择性下采样 如果希望依据某些条件动态调整保留的概率，则可通过定义特定规则完成更复杂的操作。例如，在图像分类任务中可能针对不同类别设置不同的权重来进行平衡化处理[^3]: ```python from collections import Counter import random def downsample_by_class(data_with_labels, max_samples_per_class=None): """ 根据标签按比例缩减每类别的实例数至最大允许值以内。 参数: data_with_labels (list of tuples): 数据及其对应标签组成的元组列表 [(datum, label)]. max_samples_per_class (dict): 各类别最多保存的数量字典 {label -> count}. 如果未提供某键则默认不限制该类别规模。 返回: list of tuples: 调整后的带标注数据记录。 """ counts = Counter(label for _, label in data_with_labels) filtered = [] for datum, label in data_with_labels: limit = max_samples_per_class.get(label, float('inf')) if counts[label] > limit: continue filtered.append((datum, label)) counts[label] -= 1 return filtered # 示例应用 dataset = [('img_{}'.format(i % 8), 'cat' if i < 40 else 'dog') for i in range(60)] reduced_set = downsample_by_class(dataset, {'cat': 10, 'dog': 15}) for img_name, lbl in reduced_set[:10]: print(f"{img_name}: {lbl}") ``` 上述脚本展示了如何根据不同类型的对象设定独立限额从而达到整体均衡的目的。 ---