ll = [['r']*5, ['sq']*3, ['r']*5, ['pu']*2, ['r']*5, ['dsp']*3, ['r']*5, ['l']*5, ['r']*5, ['dr']*3, ['r']*5, ['si']*4, ['r']*5,
['te']*2, ['r']*5, ['bc']*3, ['r']*5, ['lsr']*2, ['r']*5, ['jj'], ['r']*5,]
l = [item for sublist in ll for item in sublist]
df_l = pd.DataFrame(l)
列表ll是时间序列列表的简化版本(为了简化，这里省略了时间戳(。它包含11个独特的元素。我想平衡元素，这意味着所有元素或多或少都会出现同样频繁的情况。
示例：正如您所看到的，"jj"只出现一次。因此，我想减少其他元素，使它们也只出现一次。(在我的实际应用中，没有元素只出现一次。最不频繁的元素"jj"出现2000次，而"r"出现170000次。这只是一个有代表性的简化(
由于我处理的是时间序列数据，所以在所有元素组平衡之前，我不能随机删除更频繁元素的行，因为这可能会破坏时间序列模式。相反，我希望以等距的方式删除代表性过高的条目(例如。如果"te"的出现频率是"jj"的两倍，我想删除"te"中的每一行。这保证了只有"；分辨率"；时间序列模式的数量减少了，但模式本身仍然存在。我如何才能有效地做到这一点？
我会展示我的尝试，但我不知道如何处理。
关于：
s = df[0] # Whatever the series actually is
# Group the rows into sets of consecutive duplicates
groups = [g for _,g in df.groupby((s != s.shift()).cumsum())]
# Find the smallest group of consecutive values
n = min(len(g) for g in groups)
# Trim each group to that size and stack them into a new DataFrame
df2 = pd.concat((g[:n] for g in groups), ignore_index=True)
对于您的数据，结果是：
0 r1平方2 r3蒲4 r5 dsp6 r7升8 r9 dr10 r11 si12 r13 te14 r公元前15年16 r17 lsr18 r19朝觐20 r
旁注：虽然它似乎可以满足您的要求，但我只想指出，不同值的表示/相对频率完全丢失了。
更好的解决方案可能是将每组减少相同的"；百分比"；。因此，如果最小的一组是3个，而不是将每组减少到3个项目，你应该将所有组减少到其大小的1/3。或者，就是你想要的。。。