F1值会受到不平衡数据的影响吗？

当然有影响的。

看下图，横坐标是数据中阳性样本的比重，纵坐标是一个随机预测结果对应的F1值，可以看作是baseline。阳性样本的比重不同，baseline变化很大，所以数据的平衡性对F1值影响还是很大的。

代码如下

from sklearn.metrics import f1_score
import numpy as np
import matplotlib.pyplot as plt

fracs, f1s = [], []
for frac in np.linspace(0.01, 0.99, 20):
    n = 1000000
    n1 = int(n * frac)
    n0 = n - n1
    true = [1] * n1 + [0] * n0
    pred = np.random.randint(0, 2, n)
    fracs.append(frac)
    f1s.append(f1_score(true, pred))
    
plt.plot(fracs, f1s)
plt.xlabel('% of positive labels')
plt.ylabel('F1 score of random guess')
plt.show()

关于非平衡数据以及各种metric对应的表现可以看看这篇Facing Imbalanced Data