Pandas shuffle 列值不起作用

Question

我有 2 列的 csv：“上下文”、“话语”。

我需要洗牌（随机排序）“上下文”列值。注意，不是整行洗牌，而是只有1列，第二列“话语”顺序保持不变。

为此我使用了：answers (shuffling/permutating a DataFrame in pandas)

  train_df2 = pd.read_csv("./data/nolabel.csv", encoding='utf-8', sep=",")
  train_df2.drop('Utterance', axis=1, inplace=True) # delete 'Utterance'
  train_df2 = train_df2.sample(frac=1) # shuffle
  train_df2['Utterance'] = train_moscow_df['Utterance'] # add back 'Utterance'
  train_df2["Label"] = 0 
  header = ["Context", "Utterance", "Label"] # 

  train_df2.to_csv('./data/label0.csv', columns = header, encoding='utf-8', index = False)

但是，结果很糟糕：我得到了一个完整的行 shuffle，但 2 列的相应值仍然相同。

我需要第一列的第一个值对应于第二列的随机值。 （也尝试过from sklearn.utils import shuffle，但也没有运气）

Answer 1

问题是，当 df 被打乱时，索引被打乱，但是你将原始列添加回来，它会在原始索引上对齐，你可以调用reset_index，这样它就不会这样做：

train_df2 = train_df2.sample(frac=1) # shuffle
train_df2.reset_index(inplace=True, drop=True)
train_df2['Utterance'] = train_moscow_df['Utterance'] # add back 'Utterance'

例子：

In [196]:
# setup
df = pd.DataFrame(np.random.randn(5,2), columns=list('ab'))
df

Out[196]:
          a         b
0  0.116596 -0.684748
1 -0.133922 -0.969933
2  0.103551  0.912101
3 -0.279751 -0.348443
4  1.453413  0.062378

现在我们像以前一样丢弃和洗牌，注意索引值

In [197]:
a = df.drop('b', axis=1)
a = a.sample(frac=1)
a

Out[197]:
          a
3 -0.279751
0  0.116596
1 -0.133922
4  1.453413
2  0.103551

现在重置

In [198]:    
a.reset_index(inplace=True, drop=True)
a

Out[198]:
          a
0 -0.279751
1  0.116596
2 -0.133922
3  1.453413
4  0.103551

我们可以将列添加回来，但保留打乱顺序：

In [199]:
df['b'] = a['b']
df

Out[199]:
          a         b
0 -0.279751 -0.684748
1  0.116596 -0.969933
2 -0.133922  0.912101
3  1.453413 -0.348443
4  0.103551  0.062378