在熊猫中洗牌但有序

Posted 2023-03-11

【中文标题】在熊猫中洗牌但有序

【英文标题】：Shuffling rows in pandas but orderly

【发布时间】：2020-09-25 09:47:29

【问题描述】：

假设我有一个包含三列的数据框：年龄、性别和国家。

我想根据性别随机打乱这些数据但以有序的方式。有 n 个男性和 m 个女性，其中 n 可以小于、大于或等于 m。改组应该以这样一种方式发生，即我们得到 8 人大小的以下结果：

男，女，男，女，男，女，女，女，....（如果有更多的女性：m > n） 男性，女性，男性，女性，男性，男性，男性，男性（如果有更多男性：n > m） 男，女，男，女，男，女，男，女，男，女（如果男女相等：n = m）

df = pd.DataFrame('Age': [10, 20, 30, 40, 50, 60, 70, 80],
                   'Gender': ["Male", "Male", "Male", "Female", "Female", "Male", "Female", "Female"], 
'Country': ["US", "UK", "China", "Canada", "US", "UK", "China", "Brazil"])

【问题讨论】：

随机但有序的话相互矛盾。

【参考方案1】：

首先添加每个组内的序号：

df['Order'] = df.groupby('Gender').cumcount()

然后排序：

df.sort_values('Order')

它给你：

   Age  Gender Country  Order
0   10    Male      US      0
3   40  Female  Canada      0
1   20    Male      UK      1
4   50  Female      US      1
2   30    Male   China      2
6   70  Female   China      2
5   60    Male      UK      3
7   80  Female  Brazil      3

如果您想随机播放，请从一开始就这样做，例如df = df.sample(frac=1)，见：Shuffle DataFrame rows

【讨论】：

我总是忘记.cumcount()，这是一个非常有用的功能。不错。

亲爱的约翰，非常感谢您的策略！有用！使我免于编写带有大量 if/else 条件的 for 循环代码。最重要的是用生奶油，我可以建议大卫修改你的原始代码：sort_values(['Sort_Column', 'Gender'], ascending=[True,False])

【参考方案2】：

使用'Sort_Column' 创建两个新数据帧，并使df_male 数据帧为偶数值，df_female 数据帧为奇数值。然后，使用pd.concat 将它们重新组合在一起，并在'Sort_Column' 上使用.sort_values()。

df = pd.DataFrame('Age': [10, 20, 30, 40, 50, 60, 70, 80],
                   'Gender': ["Male", "Male", "Male", "Female", "Female", "Male", "Female", "Female"], 
'Country': ["US", "UK", "China", "Canada", "US", "UK", "China", "Brazil"])
df['Sort_Column'] = 0
df_male = df.loc[df['Gender'] == 'Male'].reset_index(drop=True)
df_male['Sort_Column'] = df_male['Sort_Column'] + df_male.index*2
df_female = df1.loc[df1['Gender'] == 'Female'].reset_index(drop=True)
df_female['Sort_Column'] = df_female['Sort_Column'] + df_female.index*2 + 1
df_sorted=pd.concat([df_male, df_female]).sort_values('Sort_Column').drop('Sort_Column', axis=1).reset_index(drop=True)
df_sorted

输出：

    Age Gender  Country
0   10  Male    US
1   40  Female  Canada
2   20  Male    UK
3   50  Female  US
4   30  Male    China
5   70  Female  China
6   60  Male    UK
7   80  Female  Brazil

【讨论】：

@John Zwinck 感谢您的解决方案！非常聪明，我必须说。但是当两个性别的 cumcount 相同时，它就会遇到问题。然后 F->M->F->M 的顺序中断。这是订单中断的示例。一旦他们有共同的指数，性别就不会在男性和女性之间不断切换。你建议我们如何解决这个问题？ link

我认为你回答错了:)，但你可以这样做：.sort_values(['Sort_Column', 'Gender'], ascending=[True,False])

亲爱的大卫，我的错！非常感谢您的帮助！这就是我喜欢问题解决者社区的原因！我们共同提出最佳解决方案。 :)