Início / coding / Perguntas / 78190416
Accepted
user23487612
Asked: 2024-03-20 09:30:13 +0800 CST

Selecione aleatoriamente colunas para embaralhar um dataframe bidimensional

  • 772

Gostaria de selecionar aleatoriamente algumas colunas de um dataframe bidimensional e embaralhar os valores dentro dessas colunas. Posso embaralhar facilmente todos os valores (em colunas) do dataframe, mas pretendo fazer isso apenas para alguns selecionados aleatoriamente.

Por exemplo, pegue o dataframe 6x6 abaixo:


      0    1     2     3     4     5
0     5    3     7     1     2     9
1     1    7     5     3     0     8
2     0    2     7     1     6     5
3     8    4     2     1     9     7
4     2    9     5     6     3     4
5     7    5     8     2     1     0

Selecionando aleatoriamente algumas das 6 colunas, observe a seguinte saída:

      0    1     2     3     4     5
0     2    9     7     1     2     4
1     5    7     5     3     0     0
2     7    2     7     1     6     5
3     8    3     2     1     9     7
4     1    5     5     6     3     9
5     0    4     8     2     1     8

A imagem acima mostra a 1ª, a 2ª e a última coluna embaralhadas, e todas as outras permanecem como estão.

O código a seguir me permite embaralhar todas as colunas:

import numpy as np
df = np.random.random((6,6))
np.random.random(df)

E, ainda assim, depois de muitas tentativas, não consegui modificar isso para selecionar apenas (aleatoriamente) algumas colunas. Qualquer conselho será bem-vindo. Obrigado.

dataframe

2 respostas

  1. Best Answer

    Supondo este exemplo de entrada:

    import numpy as np
df = pd.DataFrame(np.arange(4*5).reshape(4, 5, order='F'))

   0  1   2   3   4
0  0  4   8  12  16
1  1  5   9  13  17
2  2  6  10  14  18
3  3  7  11  15  19

    Eu usaria:

    import numpy as np

# random number of columns
n = np.random.randint(0, df.shape[1])

# pick n random columns
cols = np.random.choice(df.columns, 3, replace=False)

# shuffle them independently
df[cols] = df[cols].apply(lambda s: np.random.choice(s, len(s), replace=False))

    Você pode até vetorizar a última etapa permutedse a eficiência for importante:

    rng = np.random.default_rng()

# n = rng.integers(0, df.shape[1])
# cols = rng.choice(df.columns, n, replace=False)

df[cols] = rng.permuted(df[cols], axis=0)

    Exemplo de saída:

       0  1   2   3   4
0  1  4  11  14  16
1  0  5   8  15  17
2  3  6  10  13  18
3  2  7   9  12  19
    • 1

  2. IIUC,

    import pandas as pd
import numpy as np

df = pd.DataFrame(np.arange(36).reshape(6,-1, order='F'), columns=[*'ABCDEF'])
cols_shuf = np.random.choice(df.columns, 3, replace=False)
# array(['E', 'C', 'A'], dtype=object)

df.assign(**df[cols_shuf].apply(lambda x: x.sample(frac=1).to_numpy()))

    Saída:

       A   B   C   D   E   F
0  2   6  15  18  28  30
1  1   7  16  19  27  31
2  0   8  17  20  29  32
3  3   9  14  21  25  33
4  5  10  12  22  26  34
5  4  11  13  23  24  35
    • 1

relate perguntas