我有以下DataFrame：
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
...
从csv文件中读取DataFrame。所有包含Type 1的行都在顶部，其次是Type 2的行，然后是Type 3的行等等。
我想要改变DataFrame行的顺序，以便所有Type混合使用。可能的结果可能是：
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？
答案 0 :(得分：530)
使用pandas执行此操作的更惯用方法是使用数据框的.sample方法，即
df.sample(frac=1)
frac关键字参数指定随机样本中要返回的行的分数，因此frac=1表示返回所有行（按随机顺序）。
注意： 如果您希望就地对数据帧进行随机播放并重置索引，可以这样做。
df = df.sample(frac=1).reset_index(drop=True)
在此处，指定drop=True会阻止.reset_index创建包含旧索引条目的列。
答案 1 :(得分：144)
您可以直接使用sklearn
from sklearn.utils import shuffle
df = shuffle(df)
答案 2 :(得分：48)
您可以通过使用混洗索引进行索引来对数据帧的行进行随机播放。为此，您可以使用np.random.permutation（但np.random.choice也是可能的）：
In [12]: df = pd.read_csv(StringIO(s), sep="\s+")
In [13]: df
Out[13]:
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
In [14]: df.iloc[np.random.permutation(len(df))]
Out[14]:
Col1 Col2 Col3 Type
46 16 17 18 3
45 13 14 15 3
20 7 8 9 2
0 1 2 3 1
1 4 5 6 1
21 10 11 12 2
如果您希望保持索引编号为1,2，..，n，如示例所示，您只需重置索引：df_shuffled.reset_index(drop=True)
答案 3 :(得分：29)
TL; DR ：np.random.shuffle(ndarray)可以完成这项工作
所以，在你的情况下
np.random.shuffle(DataFrame.values)
DataFrame使用NumPy ndarray作为数据持有者。 （您可以从DataFrame source code）
因此，如果使用np.random.shuffle()，它将沿着多维数组的第一轴对数组进行混洗。但是DataFrame的索引仍然没有改变。
尽管如此，还是有一些要考虑的问题。
sklearn.utils.shuffle()，正如用户tj89建议的那样，可以指定random_state以及另一个控制输出的选项。你可能想要开发目的。sklearn.utils.shuffle()更快。但是会将DataFrame的轴信息（索引，列）与它包含的ndarray一起收回。在sklearn.utils.shuffle()和np.random.shuffle()之间。
nd = sklearn.utils.shuffle(nd)
0.10793248389381915秒快8倍
np.random.shuffle(nd)
0.8897626010002568秒
df = sklearn.utils.shuffle(df)
0.3183923360193148秒快3倍
np.random.shuffle(df.values)
0.9357550159329548秒
结论：如果可以将轴信息（索引，列）与ndarray一起洗牌，请使用
sklearn.utils.shuffle()。否则，请使用np.random.shuffle()
import timeit
setup = '''
import numpy as np
import pandas as pd
import sklearn
nd = np.random.random((1000, 100))
df = pd.DataFrame(nd)
'''
timeit.timeit('nd = sklearn.utils.shuffle(nd)', setup=setup, number=1000)
timeit.timeit('np.random.shuffle(nd)', setup=setup, number=1000)
timeit.timeit('df = sklearn.utils.shuffle(df)', setup=setup, number=1000)
timeit.timeit('np.random.shuffle(df.values)', setup=setup, number=1000)
答案 4 :(得分：10)
（我没有足够的声誉在最高职位上对此发表评论，所以我希望其他人可以为我做到这一点。）有人担心第一种方法：
df.sample(frac=1)
进行了深拷贝或只是更改了数据框。我运行了以下代码：
print(hex(id(df)))
print(hex(id(df.sample(frac=1))))
print(hex(id(df.sample(frac=1).reset_index(drop=True))))
我的结果是：
0x1f8a784d400
0x1f8b9d65e10
0x1f8b9d65b70
这意味着该方法不返回相同的对象，如上一条注释中所建议。因此，此方法确实可以产生随机的副本。
答案 5 :(得分：3)
AFAIK最简单的解决方案是：
df_shuffled = df.reindex(np.random.permutation(df.index))
答案 6 :(得分：2)
还有什么用，如果您将其用于Machine_learning并且希望始终分离相同的数据，则可以使用：
df.sample(n=len(df), random_state=42)
这可以确保您的随机选择始终可复制
答案 7 :(得分：1)
关注可能是以下方式之一：
dataframe = dataframe.sample(frac=1, random_state=42).reset_index(drop=True)
其中
frac = 1 表示数据框的所有行
random_state = 42 意味着在每次执行中保持相同的顺序
reset_index（drop = True）表示重新初始化随机数据帧的索引
答案 8 :(得分：0)
通过在这种情况下采用示例数组 index 来对pandas数据帧进行随机化并随机化其顺序，然后将该数组设置为数据帧的索引。现在根据索引对数据帧进行排序。这是你的改组数据框
import random
df = pd.DataFrame({"a":[1,2,3,4],"b":[5,6,7,8]})
index = [i for i in range(df.shape[0])]
random.shuffle(index)
df.set_index([index]).sort_index()
<强>输出
a b
0 2 6
1 1 5
2 3 7
3 4 8
在上面的代码中将数据框插入我的地方。
答案 9 :(得分：0)
这是另一种方式：
df['rnd'] = np.random.rand(len(df))
df = df.sort_values(by='rnd', inplace=True).drop('rnd', axis=1)
答案 10 :(得分：0)
最简单的方法是下面的代码。 （Python）
from sklearn.utils import shuffle
dataFrame = shuffle(dataFrame)
这将使所有列都杂乱无章，并且您会很好地混合所有列，以便所有Type都被混合