.loc[],中括號裡面是先行後列，以逗號分割，行和列分別是行標籤和列標籤(label)

.iloc[]與loc一樣，中括號裡面也是先行後列，行列標籤用逗號分割，與loc不同的之處是，.iloc 是根據行數與列數來索引的

.ix上面兩種用法都可以

X=data.loc[:,data.columns != 'Class'] #loc 通過行標籤索引資料，
y=data.loc[:,data.columns == 'Class'] #取label

#number of data points in the minority class

number_records_fraud=len(data[data.Class==1]) #Class=1的數量
fraud_indices=np.array(data[data.Class==1].index) #取得其索引值

normal_indices=np.array(data[data.Class==0].index) # class為0的資料索引
 

random_normal_indices=np.random.choice(normal_indices,number_records_fraud,replace=False)  # 隨機取樣，並不對原始dataframe進行替換
random_normal_indices=np.array(random_normal_indices) # 矩陣轉換成numpy的array格式
 

under_sample_indices=np.concatenate([fraud_indices,random_normal_indices]) # 合併class=1和class=0中隨機選取的資料

under_sample_data = data.iloc[under_sample_indices,:] #定位到真正資料，iloc通過行號索引行資料

X_undersample=under_sample_data.loc[:,under_sample_data.columns!='Class']
y_undersample=under_sample_data.loc[:,under_sample_data.columns=='Class']
print(X_undersample)
print(y_undersample)

print("Percentage of normal transactions: ", len(under_sample_data[under_sample_data.Class == 0])/len(under_sample_data))
print("Percentage of fraud transactions: ", len(under_sample_data[under_sample_data.Class == 1])/len(under_sample_data))
print("Total number of transactions in resampled data: ", len(under_sample_data))

思路：大樣本隨機取小樣本的數量A--》a

a和B再split成train和test