在熊猫中按一列随机排列行

Posted 2023-03-11

【中文标题】在熊猫中按一列随机排列行

【英文标题】：Shuffle rows by a column in pandas

【发布时间】：2019-02-14 22:49:13

【问题描述】：

我有以下数据框示例。

    c1     c2
0   1       a
1   2       b
2   3       c
3   4       d
4   5       e

给定一个模板c1 = [3, 2, 5, 4, 1]，我想根据c1 列的新顺序更改行的顺序，所以它看起来像：

    c1     c2
0    3      c
1    2      b
2    5      e
3    4      d
4    1      a

我找到了以下线程，但随机播放是随机的。嗯嗯。

Shuffle DataFrame rows

【参考方案1】：

merge

您可以创建一个数据框，其中包含按所需顺序指定的列，然后是 merge。 这种方法的一个优点是它可以优雅地处理df.c1 或列表c1 中的重复项。如果不需要重复，则在重新排序之前必须小心处理它们。

d1 = pd.DataFrame('c1': c1)

d1.merge(df)

   c1 c2
0   3  c
1   2  b
2   5  e
3   4  d
4   1  a

---

searchsorted

这不太健壮，但如果df.c1 是：

已排序 一对一映射

---

df.iloc[df.c1.searchsorted(c1)]

   c1 c2
2   3  c
1   2  b
4   5  e
3   4  d
0   1  a

【参考方案2】：

如果值在列表和c1 列中是唯一的，则使用reindex：

df = df.set_index('c1').reindex(c1).reset_index()
print (df)
   c1 c2
0   3  c
1   2  b
2   5  e
3   4  d
4   1  a

在列表和列中处理重复项的通用解决方案：

c1 = [3, 2, 5, 4, 1, 3, 2, 3]

#create df from list 
list_df = pd.DataFrame('c1':c1)
print (list_df)
   c1
0   3
1   2
2   5
3   4
4   1
5   3
6   2
7   3

#helper column for count duplicates values
df['g'] = df.groupby('c1').cumcount()
list_df['g'] = list_df.groupby('c1').cumcount()

#merge together, create index from column and remove g column
df = list_df.merge(df).drop('g', axis=1)
print (df)
   c1 c2
0   3  c
1   2  b
2   5  e
3   4  d
4   1  a
5   3  c

【讨论】：

具有唯一价值的列表是我的情况。完美的解决方案。谢谢！但是我仍然不明白第二种情况。为什么结果有第 5 个索引？ @jezrael

@bakka - 如果列表中有多个相同的值，例如 3 和 2，则第二个解决方案有效，然后 reindex 引发错误。因此有必要按cumcount 计算每个值，然后合并 - 列表的第一个重复值与列的第一个重复值。