Question

我有一个使用熊猫读取的示例数据框。数据有两列：“项目”，“标签”。在对df行进行混洗时，我想确保经过混洗的df中没有具有相同连续标签的项目。即。这是可以接受的，因为标签“ a”，“ b”和“ c”不是连续的：

1：起火，“ a”

2：冒烟，“ b”

3：蜜蜂，“ a”

4：窗帘，“ c”

但我要避免标签位于连续索引中，即：

开火，“ a”
蜂蜜蜂，“ a”
烟，'b'
窗帘，“ c”

到目前为止，我可以使用：

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

我有一个模糊的想法，要一直循环到df['label'][i+1] != df['label'][i]，但不确定如何执行。任何指针或更简单的建议将不胜感激！

Answer 1

感谢评论/指针。我得到它的工作依据：

randomized = False
while not randomized:
    xlist = xlistbase.sample(frac=1).reset_index(drop=True) # where xlistbase is the original file read in
    # check for repeats
    for i in range(0, len(xlist)):
        try:
            if i == len(xlist) - 1:
                randomized = True
            elif xlist['label'][i] != xlist['label'][i+1]:
                continue
            elif xlist['label'][i] == xlist['label'][i+1]:
                break
        except IndexError:
            pass

改组熊猫数据帧行，同时避免连续的条件值

1 个答案: