python - 随机播放 DataFrame 行

Question

我有以下数据框:

    Col1  Col2  Col3  Type
0      1     2     3     1
1      4     5     6     1
...
20     7     8     9     2
21    10    11    12     2
...
45    13    14    15     3
46    16    17    18     3
...

DataFrame 是从 CSV 文件中读取的。 Type 1 的所有行都在最上面，然后是 Type 2 的行，然后是 Type 3 的行，依此类推。

我想打乱 DataFrame 行的顺序，以便混合所有 Type。可能的结果是:

    Col1  Col2  Col3  Type
0      7     8     9     2
1     13    14    15     3
...
20     1     2     3     1
21    10    11    12     2
...
45     4     5     6     1
46    16    17    18     3
...

我怎样才能做到这一点？

Answer 1

使用 Pandas 执行此操作的惯用方法是使用 .sample数据框的方法对所有行进行采样而不进行替换:

df.sample(frac=1)

frac 关键字参数指定要在随机样本中返回的行的分数，因此 frac=1 表示返回所有行(以随机顺序)。

---

注意: 如果您希望就地打乱您的数据框并重置索引，您可以这样做，例如

df = df.sample(frac=1).reset_index(drop=True)

在这里，指定 drop=True 可防止 .reset_index 创建包含旧索引条目的列。

后续说明:虽然上面的操作可能看起来不像是就地，但python/pandas 足够聪明，不会再为shuffled 做一次malloc目的。也就是说，即使 reference 对象已更改(我的意思是 id(df_old) 与 id(df_new) 不同) ，底层的 C 对象还是一样的。为了证明确实如此，您可以运行一个简单的内存分析器:

$ python3 -m memory_profiler .\test.py
Filename: .\test.py

Line #    Mem usage    Increment   Line Contents
================================================
     5     68.5 MiB     68.5 MiB   @profile
     6                             def shuffle():
     7    847.8 MiB    779.3 MiB       df = pd.DataFrame(np.random.randn(100, 1000000))
     8    847.9 MiB      0.1 MiB       df = df.sample(frac=1).reset_index(drop=True)