如何在pandas中将一组行混洗在一起（行具有唯一id）
我想洗牌的数据帧保持一组行在一起。在一起的行数不是常数，但我有一列用相同的id标记它们。
例如：在下面的数据中，第一列是唯一的标记，用于指定在无序移动时需要将哪些行放在一起。
2 56.00 1 0.83 2.16 3147890 3120000.00 1 201.00 0 -201.00 116.00 75.88 201.00 232.00 105.74 201.00 168.00 75.88 46 -201.00
2 56.00 1 0.83 2.16 3147890 3120000.00 1 201.00 0 -201.00 116.00 75.88 201.00 232.00 105.74 201.00 168.00 75.88 4 -201.00
2 56.00 1 0.83 2.16 3147890 3120000.00 1 201.00 0 -201.00 116.00 75.88 201.00 232.00 105.74 201.00 168.00 75.88 39 -201.00
2 56.00 1 0.83 2.16 3147890 3120000.00 1 201.00 0 -201.00 116.00 75.88 201.00 232.00 105.74 201.00 168.00 75.88 10 -201.00
2 56.00 1 0.83 2.16 3147890 3120000.00 1 201.00 0 -201.00 116.00 75.88 201.00 232.00 105.74 201.00 168.00 75.88 7 -135.00
2 56.00 1 0.83 2.16 3147890 3120000.00 1 201.00 0 -201.00 116.00 75.88 201.00 232.00 105.74 201.00 168.00 75.88 0 -201.00
2 56.00 1 0.83 2.16 3147890 3120000.00 1 201.00 0 -201.00 116.00 75.88 201.00 232.00 105.74 201.00 168.00 75.88 35 -201.00
2 56.00 1 0.83 2.16 3147890 3120000.00 1 201.00 0 -201.00 116.00 75.88 201.00 232.00 105.74 201.00 168.00 75.88 5 -201.00
2 56.00 1 0.83 2.16 3147890 3120000.00 1 201.00 0 -201.00 116.00 75.88 201.00 232.00 105.74 201.00 168.00 75.88 47 -201.00
2 56.00 1 0.83 2.16 3147890 3120000.00 1 201.00 0 -201.00 116.00 75.88 201.00 232.00 105.74 201.00 168.00 75.88 12 -201.00
2 56.00 1 0.83 2.16 3147890 3120000.00 1 201.00 0 -201.00 116.00 75.88 201.00 232.00 105.74 201.00 168.00 75.88 13 -201.00
2 56.00 1 0.83 2.16 3147890 3120000.00 1 201.00 0 -201.00 116.00 75.88 201.00 232.00 105.74 201.00 168.00 75.88 20 -201.00
2 56.00 1 0.83 2.16 3147890 3120000.00 1 201.00 0 -201.00 116.00 75.88 201.00 232.00 105.74 201.00 168.00 75.88 42 -201.00
4 93.00 1 0.34 3.62 4121000 5340000.00 1 135.00 0 -135.00 78.00 120.53 135.00 10.00 2.67 135.00 313.00 120.53 46 -135.00
4 93.00 1 0.34 3.62 4121000 5340000.00 1 135.00 0 -135.00 78.00 120.53 135.00 10.00 2.67 135.00 313.00 120.53 4 -95.00
4 93.00 1 0.34 3.62 4121000 5340000.00 1 135.00 0 -135.00 78.00 120.53 135.00 10.00 2.67 135.00 313.00 120.53 39 -46.00
4 93.00 1 0.34 3.62 4121000 5340000.00 1 135.00 0 -135.00 78.00 120.53 135.00 10.00 2.67 135.00 313.00 120.53 10 -135.00
4 93.00 1 0.34 3.62 4121000 5340000.00 1 135.00 0 -135.00 78.00 120.53 135.00 10.00 2.67 135.00 313.00 120.53 7 -135.00
4 93.00 1 0.34 3.62 4121000 5340000.00 1 135.00 0 -135.00 78.00 120.53 135.00 10.00 2.67 135.00 313.00 120.53 0 -135.00
4 93.00 1 0.34 3.62 4121000 5340000.00 1 135.00 0 -135.00 78.00 120.53 135.00 10.00 2.67 135.00 313.00 120.53 35 -135.00
4 93.00 1 0.34 3.62 4121000 5340000.00 1 135.00 0 -135.00 78.00 120.53 135.00 10.00 2.67 135.00 313.00 120.53 5 -135.00
4 93.00 1 0.34 3.62 4121000 5340000.00 1 135.00 0 -135.00 78.00 120.53 135.00 10.00 2.67 135.00 313.00 120.53 47 -135.00
4 93.00 1 0.34 3.62 4121000 5340000.00 1 135.00 0 -135.00 78.00 120.53 135.00 10.00 2.67 135.00 313.00 120.53 12 -135.00
4 93.00 1 0.34 3.62 4121000 5340000.00 1 135.00 0 -135.00 78.00 120.53 135.00 10.00 2.67 135.00 313.00 120.53 13 -135.00
4 93.00 1 0.34 3.62 4121000 5340000.00 1 135.00 0 -135.00 78.00 120.53 135.00 10.00 2.67 135.00 313.00 120.53 20 -135.00
4 93.00 1 0.34 3.62 4121000 5340000.00 1 135.00 0 -135.00 78.00 120.53 135.00 10.00 2.67 135.00 313.00 120.53 42 -135.00
6 74.00 0 2.35 2.89 1680840 2940000.00 11 2758.00 0 -2758.00 296.00 74.46 261.00 176.00 75.84 304.00 304.00 74.46 46 -2730.00
6 74.00 0 2.35 2.89 1680840 2940000.00 11 2758.00 0 -2758.00 296.00 74.46 261.00 176.00 75.84 304.00 304.00 74.46 4 -2458.00
6 74.00 0 2.35 2.89 1680840 2940000.00 11 2758.00 0 -2758.00 296.00 74.46 261.00 176.00 75.84 304.00 304.00 74.46 39 -2758.00
6 74.00 0 2.35 2.89 1680840 2940000.00 11 2758.00 0 -2758.00 296.00 74.46 261.00 176.00 75.84 304.00 304.00 74.46 10 -2758.00
6 74.00 0 2.35 2.89 1680840 2940000.00 11 2758.00 0 -2758.00 296.00 74.46 261.00 176.00 75.84 304.00 304.00 74.46 7 -2554.00
6 74.00 0 2.35 2.89 1680840 2940000.00 11 2758.00 0 -2758.00 296.00 74.46 261.00 176.00 75.84 304.00 304.00 74.46 0 -2568.00
共有2个答案
目前还不清楚你在寻找什么样的最终结果，但不管怎样，第一步可能是一样的。根据该列将数据帧分组为单独的数据帧。根据需要洗牌和重组。
重组可以通过将打乱的数据帧存储为列表，然后pd.concat来完成。您可以选择先打乱列表：
from random import shuffle
shuffle(dfs)
使用此数据集：
2 a2
2 b2
2 c2
3 a3
3 b3
3 c3
3 d3
4 a4
4 b4
此代码：
import pandas as pd
df = pd.read_csv("shuffle.txt", header=None, delim_whitespace=True)
dfs = [x for _, x in df.groupby(df[0])]
from random import shuffle
#shuffle(dfs)
new_dfs = []
for df in dfs:
df = df.sample(frac=1)
new_dfs.append(df)
final_df = pd.concat(new_dfs)
print(final_df)
让你：
0 1
2 2 c2
0 2 a2
1 2 b2
5 3 c3
3 3 a3
6 3 d3
4 3 b3
8 4 b4
7 4 a4
取消对洗牌行的注释会使您：
0 1
8 4 b4
7 4 a4
6 3 d3
5 3 c3
4 3 b3
3 3 a3
0 2 a2
1 2 b2
2 2 c2
您可以将此生成器与唯一列1上的np.random.choice一起使用，pd.concat重新组合“组”。
import numpy as np
pd.concat((df[df['col1'] == i] for i in np.random.choice(df['col1'].unique(),
df['col1'].nunique())))
详细信息，首先使用unique从“col1”as列表中获取唯一值，然后使用np.random.choice从此列表中选择随机元素。使用该选择使用for in语法以布尔方式选择生成器中数据帧的部分（“组”），最后，使用pd.concat将数据帧重新组合为随机组。
-
问题内容： 我对数据库表中的唯一行有问题，现在可以这样做： 当我在所有列中使用UNIQUE属性时，即使第二个Moore名称不同，我也会插入第二个Moore错误：/ 如何使用UNIQUE（或INDEX？）在db表中执行类似的操作： 抱歉，如果问题很简单，但是我是sql的初学者，并且在使用UNIQUE之类的UNIQUE时找到一些好的示例时遇到问题：/或者也许我必须在插入新行之前从db中选择一个表并检查
-
问题内容： 我想向现有表添加复杂的唯一键。主要从4个字段包含（，，，）。但是表具有非唯一行。我知道我可以删除所有重复的日期，然后再添加复杂的密钥。 也许存在另一种无需搜索所有重复数据的解决方案。（例如添加唯一的忽略等）。 我搜索了UPD，如何删除重复的mysql行-我认为这是一个很好的解决方案。 仅使用MySQL查询删除重复项？ 问题答案： 您可以按照yAnTar的建议进行 要么 您可以添加约束
-
问题内容： 如何在Swift中随机或随机排列数组中的元素？例如，如果我的阵列由52张扑克牌，我想 洗牌 的阵列，以洗牌。 问题答案： 该答案详细说明了如何在Swift 4.2+中使用快速统一的算法（Fisher- Yates）进行改组，以及如何在各个早期版本的Swift中添加相同功能。每个Swift版本的命名和行为都与该版本的变异和非变异排序方法匹配。 并且是从Swift 4.2开始原生的 用法示
-
问题内容： 这似乎很简单：我想在SQLite表中复制一行： 如果没有显式的唯一列声明，则该语句将起作用，但是将声明表的第一列。有什么方法可以创建一个简单的语句，而上面的语句在不知道表模式的情况下起作用（除了第一列）？ 问题答案： 好吧，由于无法按照我想要的方式执行此操作，因此我使用了隐式行ID，该ID与我显式定义的rowId列的名称相同，因此现在可以使用问题中使用的查询了。 ，它将使用新的rowI
-
有人愿意帮我完成一个jdbctemplate查询吗？ 只需要获取具有唯一id的行，但存在重复的行，因为其他列（如date）具有不同的值。我需要最好得到最长日期，结果集不应该有任何重复项：x个 输出： 这几乎有效，但不完全有效。可悲的是，有重复的。 这是我正在使用的两张桌子。 PS.：使用PostgreSQL
-
问题内容： 熊猫包含名为的列，其中包含非唯一值。我可以使用以下方法将该行中的行分组： 但是，这会将数据按值分割。我想按“日期”列中存储的年份对这些数据进行分组。此页面显示了在使用时间戳作为索引的情况下如何按年份分组，在我的情况下情况并非如此。 如何实现此分组？ 问题答案： 我正在使用熊猫0.16.2。这对我的大型数据集具有更好的性能： 使用选项和玩弄，等变得更加容易。