# 假设数据不均衡，怎么办？
# 一定要处理嘛？不一定。先跑一个模型（baseline），如果效果还不错，说不定可以用。

# 如果真的要处理，可以采用如下的解决方式
# 方式一：要么少数变多数
# 举个例子：目前只有100条，需要1000条，怎么办？
# ①购买。
# ②回译数据增强法（翻译）来回翻译几次。
    #我喜欢你  我爱你 我倾慕你  我钟意你
# ③大模型生成（最简单，效果也很不错，适合个人测试）
# ④手动标注（耗时间，效率也很好，适合生产使用）


# 方式二：要么多数变少数
# ①抽样
import pandas as pd
input_df = pd.read_csv('../00-data/data/test.txt', sep='\t', names=['text', 'label'])
print(input_df.head())
input_df.info()
# 需求：从10000个样本中，抽样10个
df1 = input_df.sample(10)
print('df1-->\n', df1)
# 上述代码抽成了10个样本，但是还是不均，怎么办？
# 解决方式：每个类别进行抽样，抽5个样本
final_df = pd.DataFrame()
for i in range(10):
    tmp_df = input_df[input_df['label'] == i].sample(5)
    final_df = pd.concat([final_df, tmp_df])
print("final_df-->\n", final_df)
final_df.info()