在保持内部顺序的同时打乱 DataFrame

Question

我有一个包含预处理数据的数据框，这样每 4 行是一个序列（稍后将被重塑并用于 lstm 训练）。我想打乱数据框，但我想保持每个行序列不变。例如： a = [1,2,3,4,10,11,12,13,20,21,22,23]将变成类似：a = [20,21,22,23,1,2,3,4,10,11,12,13]。df.sample(frac=1) 是不够的，因为它会破坏序列。Solution , thanks to @Wen-Ben:seq_length = 4 length_array = np.arange((df.shape[0]//seq_length)*seq_length)trunc_data = df.head((df.shape[0]//seq_length)*seq_length)d = {x : y for x, y in trunc_data.groupby(length_array//seq_length)}yourdf = pd.concat([d.get(x) for x in np.random.choice(len(d),len(d.keys()),replace=False)])

Answer 1

这是你需要的吗 np.random.choice

d={x : y for x, y in df.groupby(np.arange(len(df))//4)}

yourdf=pd.concat([d.get(x) for x in np.random.choice(len(d),2,replace=False)])

yourdf

Out[986]: 

   col1 col2

4     5    e

5     6    f

6     7    g

7     8    h

0     1    a

1     2    b

2     3    c

3     4    d

Answer 2

您可以通过以下方式按 4 组重新洗牌... 将索引分组为 4 组，然后对其进行洗牌。

例子：

df = pd.DataFrame(np.random.randint(10, size=(12, 2)))

    a  b

0   5  4

1   7  7

2   7  8

3   8  4

4   9  4

5   9  0

6   1  5

7   4  1

8   0  1

9   5  6

10  1  3

11  9  2

new_index = np.array(df.index).reshape(-1, 4)

np.random.shuffle(new_index)  # shuffles array in-place

df = df.loc[new_index.reshape(-1)]

    a  b

8   0  1

9   5  6

10  1  3

11  9  2

4   9  4

5   9  0

6   1  5

7   4  1

0   5  4

1   7  7

2   7  8

3   8  4

Answer 3

如您所说，您有4个序列的数据，那么数据帧的长度应该是4的倍数。如果您的数据是3个序列，请在代码中将4更改为3。

>>> import pandas as pd

>>> import numpy as np

创建表：

>>> df = pd.DataFrame({'col1':[1,2,3,4,5,6,7,8],'col2':['a','b','c','d','e','f','g','h']})

>>> df

   col1 col2

0     1    a

1     2    b

2     3    c

3     4    d

4     5    e

5     6    f

6     7    g

7     8    h

>>> df.shape[0]

8

创建洗牌列表：

>>> np_range = np.arange(0,df.shape[0])

>>> np_range

array([0, 1, 2, 3, 4, 5, 6, 7])

重塑和洗牌：

>>> np_range1 = np.reshape(np_range,(df.shape[0]/4,4))

>>> np_range1

array([[0, 1, 2, 3],

       [4, 5, 6, 7]])

>>> np.random.shuffle(np_range1)

>>> np_range1

array([[4, 5, 6, 7],

       [0, 1, 2, 3]])

>>> np_range2 = np.reshape(np_range1,(df.shape[0],))

>>> np_range2

array([4, 5, 6, 7, 0, 1, 2, 3])

选择数据：

>>> new_df = df.loc[np_range2]

>>> new_df

   col1 col2

4     5    e

5     6    f

6     7    g

7     8    h

0     1    a

1     2    b

2     3    c

3     4    d

我希望这有帮助！谢谢！