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 行就是一个序列（稍后将被重新整形并用于 lstm 训练）。

我想洗牌数据框，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] 会变成类似：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。

解决方案，感谢@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

您可以以 4 个为一组重新洗牌，方法是...将索引分成四个一组，然后重新洗牌。

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

正如您所说，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

我希望这会有所帮助！谢谢！