类别之间的随机洗牌python数据框行

Question

我知道 numpy.random.permutation 方法可以方便地打乱数据框中的行。

但是，我希望对一列的行进行混洗，以便在混洗之后，该列的相同值与 a 的相同值相关联 第二列。例如这里：

     sid  tid   cluster_id                   coherence
0    484  367          0   (-0.7602504647007313-0.12366326038519604j)
1    485  367          0   (-0.7602504647007313-0.12366326038519604j)
2    227    2          1   (0.8285282150429198+0.007917196582272277j)
3    228    2          1   (0.8285282150429198+0.007917196582272277j)
4    488  245          2   (-0.5247187752391191+0.03756613687159624j)
5    489  245          2   (-0.5247187752391191+0.03756613687159624j)
6     76  504          3   (-0.5017704895797781-0.17508351848297674j)
7     59  545          3  (-0.37153924345882344-0.08026706090664427j)

我想打乱“连贯性”行的值。

目前，具有相同 tid 的行也具有相同的一致性值。 这也应该在改组之后保留 - 但应该将一致性值分配给新的 tids。

因此，先前与 tid X 相关联的一致性值将是 与新的 tid Y 相关联，但具有此新 tid Y 的所有行都应具有相同的一致性值。

Answer 1

由于我懒得复制你的数据框，我只用了一个玩具箱。您想要的是在 groupby 中随机播放：

df = pd.DataFrame({'tid':[1,1,1,2,2,2],'others':[1,2,3,4,5,6],'coherence':[1,2,3,4,5,6]})
df['coherence'] = df.groupby('tid').coherence.transform(np.random.permutation)

更新

好的，所以我第一次理解错了，上一个答案在 tid 的每个组中随机播放，但您想随机分组。仍然groupby 是解决方案，只需先将组洗牌：

import random
df = pd.DataFrame({'tid':[1,1,2,2,3,3,4,4],'val':[1,2,3,4,5,6,7,8],'coherence':[1,1,2,2,3,3,4,4]})
groups = [df for _, df in df[['tid','coherence']].groupby('tid')]
random.shuffle(groups)
df[['tid', 'coherence']] = pd.concat(groups).reset_index(drop=True)

我希望这样做。

更新

您的问题根本不清楚您想要什么，也许您应该更好地改写它，然后您继续投票并否决已尝试帮助您两次的唯一答案。这是您的解决方案：

df = pd.DataFrame({'tid':[1,1,2,2,3,3,4,4],'val':[1,2,3,4,5,6,7,8],'coherence':[1,1,2,2,3,3,4,4]})
tmp = df[['tid', 'coherence']].drop_duplicates()
tmp['coherence'] = np.random.permutation(tmp.coherence)
pd.merge(df, tmp, 'left', left_on='tid', right_on='tid')

coherence_x 是旧的，coherence_y 是新的。