pandas随机排列与随机抽样

随机排列

利用 numpy.random.permutation() 函数，可以返回一个序列的随机排列。将此随机排列作为 take() 函数的参数，通过应用 take() 函数就可实现按此随机排列来调整 Series 对象或 DataFrame 对象各行的顺序。
其示例代码 example1.py 如下：

       注意：take()里面的索引只能用隐式索引，axis =0 表示行随机，axis =1 表示列随机

       例如：df.take([1,0,2],axis=1) 打乱列，列的排序变为：1,0,2 

import numpy as np
import pandas as pd
#创建DataFrame
df = pd.DataFrame(np.arange(12).reshape(4,3))
print(df)
  0  1 2
0 0  1 2
1 3  4 5
2 6  7 8
3 9 10 11
#打乱df的行顺序和列顺序 
df.take(np.random.permutation(3),axis=1).take(np.random.permutation(1000),axis=0)

#创建随机排列:生成0-3的随机整数一维数组
order = np.random.permutation(4)
#通过随机排列调整DataFrame各行顺序
newDf = df.take(order)
print(newDf)
  0  1  2
2 6  7  8
3 9  10 11
0 0  1  2
1 3  4  5

随机抽样

随机抽样是指随机从数据中按照一定的行数或者比例抽取数据。随机抽样的函数如下：

numpy.random.randint(start,end,size)

函数中的参数说明如下：

• start：随机数的开始值；
• end：随机数的终止值；
• size：抽样个数。

通过 numpy.random.randint() 函数产生随机抽样的数据，通过应用 take() 函数就可实现随机抽取 Series 对象或 DataFrame 对象中的数据。其示例代码 example2.py 如下

import numpy as np
import pandas as pd
#创建DataFrame
df = pd.DataFrame(np.arange(12).reshape(4,3))
print(df)
0 1 2
0 0 1 2
1 3 4 5
2 6 7 8
3 9 10 11

#随机抽样
order = np.random.randint(0,len(df),size=3)
#通过随机抽样抽取DataFrame中的行
newDf = df.take(order)
print(newDf)
0 1 2
0 0 1 2
1 3 4 5
1 3 4 5