在数据增强中，按比例增加数据是一个常见的方法。下面是一个使用Python和Keras库进行数据增强的示例代码：

from tensorflow.keras.preprocessing.image import ImageDataGenerator

# 定义数据增强器
datagen = ImageDataGenerator(
    rotation_range=20,  # 旋转范围
    width_shift_range=0.1,  # 水平方向平移范围
    height_shift_range=0.1,  # 垂直方向平移范围
    shear_range=0.2,  # 剪切强度
    zoom_range=0.2,  # 随机缩放范围
    horizontal_flip=True,  # 随机水平翻转
    fill_mode='nearest'  # 填充模式
)

# 加载图片数据
train_data = datagen.flow_from_directory(
    directory='train/',
    target_size=(224, 224),  # 图片大小
    class_mode='categorical',  # 分类模式
    batch_size=32,  # 批次大小
    shuffle=True  # 打乱顺序
)

以上代码中，使用ImageDataGenerator类定义了一个数据增强器，设置了旋转、平移、剪切、缩放、翻转等数据增强方法。然后使用flow_from_directory函数从文件夹中加载图片数据，返回一个生成器对象，可以用于训练模型或评估模型。

要按比例增加数据，可以通过多次调用flow_from_directory函数，每次设置不同的参数（如随机数种子、平移距离等），生成多个生成器对象。然后将这些生成器对象合并成一个大的训练数据集，可以使用Concatenate函数或np.concatenate函数实现。

import numpy as np

# 生成训练数据集