Question

我有一个包含预处理数据的数据框，这样每4行是一个序列（以后将被整形并用于lstm训练）。

我想改组数据框，但我想保持每行顺序不变。例如： a = [1,2,3,4,10,11,12,13,20,21,22,23]会变成类似a = [20,21,22,23,1,2,3,4,10,11,12,13]。

df.sample(frac=1)是不够的，因为它会破坏序列。

解决方案，感谢@ Wen-Ben：

seq_length = 4 
length_array = np.arange((df.shape[0]//seq_length)*seq_length)
trunc_data = df.head((df.shape[0]//seq_length)*seq_length)
d = {x : y for x, y in trunc_data.groupby(length_array//seq_length)}
yourdf = pd.concat([d.get(x) for x in np.random.choice(len(d),len(d.keys()),replace=False)])

Answer 1

这就是您需要的吗，np.random.choice

d={x : y for x, y in df.groupby(np.arange(len(df))//4)}

yourdf=pd.concat([d.get(x) for x in np.random.choice(len(d),2,replace=False)])
yourdf
Out[986]: 
   col1 col2
4     5    e
5     6    f
6     7    g
7     8    h
0     1    a
1     2    b
2     3    c
3     4    d

Answer 2

正如您所说的那样，数据具有4的序列，那么数据帧的长度应该是4的倍数。如果您的数据是3的序列，请在代码中将4更改为3。 / p>

>>> import pandas as pd
>>> import numpy as np

创建表格：

>>> df = pd.DataFrame({'col1':[1,2,3,4,5,6,7,8],'col2':['a','b','c','d','e','f','g','h']})
>>> df
   col1 col2
0     1    a
1     2    b
2     3    c
3     4    d
4     5    e
5     6    f
6     7    g
7     8    h
>>> df.shape[0]
8

创建混排列表：

>>> np_range = np.arange(0,df.shape[0])
>>> np_range
array([0, 1, 2, 3, 4, 5, 6, 7])

重塑和改组：

>>> np_range1 = np.reshape(np_range,(df.shape[0]/4,4))
>>> np_range1
array([[0, 1, 2, 3],
       [4, 5, 6, 7]])
>>> np.random.shuffle(np_range1)
>>> np_range1
array([[4, 5, 6, 7],
       [0, 1, 2, 3]])
>>> np_range2 = np.reshape(np_range1,(df.shape[0],))
>>> np_range2
array([4, 5, 6, 7, 0, 1, 2, 3])

选择数据：

>>> new_df = df.loc[np_range2]
>>> new_df
   col1 col2
4     5    e
5     6    f
6     7    g
7     8    h
0     1    a
1     2    b
2     3    c
3     4    d

我希望这会有所帮助！谢谢！

Answer 3

您可以将索引分为四个一组，然后将它们重新排列，从而将随机分组以4个为一组。

示例：

df = pd.DataFrame(np.random.randint(10, size=(12, 2)))

new_index = np.array(df.index).reshape(-1, 4)
np.random.shuffle(new_index)  # shuffles array in-place
df = df.loc[new_index.reshape(-1)]

在保持内部顺序的同时改组DataFrame

3 个答案: