Pandas 如何创建21个10人4次的随机组，而不让人处于同一组
我对python还不熟悉，学习起来很辛苦。我有一项任务很乏味，希望你能帮助我 我正在为220人组织一个活动。全天有4项活动。这些活动由10人组成的团队（22个团队）进行。我们的目标是，对于每一项活动，团队都会发生变化。所以，我想重新安排4次团队组成。这是为了确保人们尽可能多地了解同事 在excel中，我在a列中有一个220个名字的列表。我给B列中的每个名字（1-220）分配了一个数字。我随机导入了模块并输入了熊猫。我的第一步是导入excel文件，将带有数字的B列转换成一个列表，并将它们洗牌 走了那一步我就迷路了。从洗牌列表中，我想创建22支球队。在第一场平局后，我想重新洗牌，再创建22支球队，但条件是在第二场比赛中，没有来自一线队的人在一起。这个过程总共重复四次 理想情况下，我希望将结果导出回excel 希望有人能帮助我 同样，我正在学习，所以请分享思考过程：） 谢谢你抽出时间 亲切问候,Pandas 如何创建21个10人4次的随机组，而不让人处于同一组,pandas,random,slice,shuffle,Pandas,Random,Slice,Shuffle,我对python还不熟悉，学习起来很辛苦。我有一项任务很乏味，希望你能帮助我 我正在为220人组织一个活动。全天有4项活动。这些活动由10人组成的团队（22个团队）进行。我们的目标是，对于每一项活动，团队都会发生变化。所以，我想重新安排4次团队组成。这是为了确保人们尽可能多地了解同事 在excel中，我在a列中有一个220个名字的列表。我给B列中的每个名字（1-220）分配了一个数字。我随机导入了模块并输入了熊猫。我的第一步是导入excel文件，将带有数字的B列转换成一个列表，并将它们洗牌 走了
首先，不要使用熊猫。这是做这项工作的错误工具。改用NumPy。下面是一个代码：
In [1]: import numpy as np
In [2]: people = np.arange(1, 221, 1)
people
Out[2]: array([ 1, 2, 3, 4, 5, 6, 7, 8, 9, 10, 11, 12, 13,
14, 15, 16, 17, 18, 19, 20, 21, 22, 23, 24, 25, 26,
27, 28, 29, 30, 31, 32, 33, 34, 35, 36, 37, 38, 39,
40, 41, 42, 43, 44, 45, 46, 47, 48, 49, 50, 51, 52,
53, 54, 55, 56, 57, 58, 59, 60, 61, 62, 63, 64, 65,
66, 67, 68, 69, 70, 71, 72, 73, 74, 75, 76, 77, 78,
79, 80, 81, 82, 83, 84, 85, 86, 87, 88, 89, 90, 91,
92, 93, 94, 95, 96, 97, 98, 99, 100, 101, 102, 103, 104,
105, 106, 107, 108, 109, 110, 111, 112, 113, 114, 115, 116, 117,
118, 119, 120, 121, 122, 123, 124, 125, 126, 127, 128, 129, 130,
131, 132, 133, 134, 135, 136, 137, 138, 139, 140, 141, 142, 143,
144, 145, 146, 147, 148, 149, 150, 151, 152, 153, 154, 155, 156,
157, 158, 159, 160, 161, 162, 163, 164, 165, 166, 167, 168, 169,
170, 171, 172, 173, 174, 175, 176, 177, 178, 179, 180, 181, 182,
183, 184, 185, 186, 187, 188, 189, 190, 191, 192, 193, 194, 195,
196, 197, 198, 199, 200, 201, 202, 203, 204, 205, 206, 207, 208,
209, 210, 211, 212, 213, 214, 215, 216, 217, 218, 219, 220])
In [3]: np.random.choice(people, 220, replace=False).reshape(22,10)
Out[3]: array([[ 20, 48, 164, 176, 135, 190, 67, 147, 203, 130],
[150, 177, 171, 141, 122, 127, 202, 172, 21, 219],
[167, 206, 84, 118, 163, 181, 34, 87, 116, 184],
[ 33, 26, 70, 119, 129, 191, 105, 69, 86, 217],
[ 94, 24, 146, 9, 31, 208, 179, 148, 57, 102],
[211, 170, 65, 195, 220, 61, 88, 187, 32, 7],
[182, 40, 144, 145, 198, 47, 193, 74, 44, 90],
[174, 121, 216, 63, 82, 38, 201, 113, 13, 66],
[180, 137, 214, 73, 75, 51, 80, 23, 71, 18],
[161, 115, 3, 157, 89, 79, 29, 68, 200, 8],
[142, 173, 98, 36, 133, 215, 138, 50, 53, 4],
[152, 101, 139, 54, 30, 108, 49, 213, 124, 83],
[ 76, 17, 64, 10, 56, 22, 128, 153, 158, 140],
[131, 11, 45, 192, 92, 166, 60, 37, 12, 156],
[104, 25, 6, 205, 212, 197, 77, 46, 199, 96],
[ 59, 19, 112, 132, 126, 159, 151, 207, 85, 109],
[ 42, 55, 204, 188, 185, 35, 62, 41, 27, 178],
[ 14, 194, 2, 186, 143, 78, 134, 103, 106, 110],
[100, 91, 99, 111, 72, 58, 15, 120, 136, 97],
[ 39, 81, 123, 149, 165, 169, 209, 175, 1, 117],
[189, 28, 95, 114, 162, 160, 196, 5, 93, 154],
[210, 16, 168, 218, 43, 107, 155, 125, 52, 183]])
Out[3]中运行代码，运行次数与您的任务相同。所以基本上：
In [4]: tasks = {} # Tasks is a dictionary with task number as key, and teams array as value.
for i in np.range(1, 5, 1):
tasks['task_' + str(i)] = np.random.choice(people, 220, replace=False).reshape(22,10)
现在，您可以将存储在tasks
中的结果返回到Excel文件中，并从中继续。如果您有任何顾虑，请告诉我
如果您坚持使用Pandas，并且已经在df
中加载了数据，那么您可以使用Pandas返回每个团队、每个任务的球员姓名。此代码应足以满足您的需要：
df.set_index('player_id', inplace=True) # Which is actually pointless because
# Pandas will automatically create a 0 indexed index when you read your data in.
# So you don't even need any player_id column to begin with. If that is the case,
# change In [2] above to people = np.arange(0, 220, 1), or simply, np.arange(220)
tasks = {}
for i in np.arange(1, 5, 1):
tasks['task_' + str(i)] = {}
j = 1
for team in np.random.choice(people, 220, replace=False).reshape(22,10):
tasks[i]['team_' + str(j)] = df.loc[team].values
j += 1
任务
在此代码末尾，将嵌套字典，其结构如下：
tasks = {'task_1' : {'team_1' : [list_of_players],
'team_2' : [list_of_players],
...
'team_19' : [list_of_players],
'team_20' : [list_of_players]},
'task_1' : {'team_1' : [list_of_players],
'team_2' : [list_of_players],
...
'team_19' : [list_of_players],
'team_20' : [list_of_players]},
'task_1' : {'team_1' : [list_of_players],
'team_2' : [list_of_players],
...
'team_19' : [list_of_players],
'team_20' : [list_of_players]},
'task_1' : {'team_1' : [list_of_players],
'team_2' : [list_of_players],
...
'team_19' : [list_of_players],
'team_20' : [list_of_players]}}
希望这有帮助 首先，不要使用熊猫。这是做这项工作的错误工具。改用NumPy。下面是一个代码：
In [1]: import numpy as np
In [2]: people = np.arange(1, 221, 1)
people
Out[2]: array([ 1, 2, 3, 4, 5, 6, 7, 8, 9, 10, 11, 12, 13,
14, 15, 16, 17, 18, 19, 20, 21, 22, 23, 24, 25, 26,
27, 28, 29, 30, 31, 32, 33, 34, 35, 36, 37, 38, 39,
40, 41, 42, 43, 44, 45, 46, 47, 48, 49, 50, 51, 52,
53, 54, 55, 56, 57, 58, 59, 60, 61, 62, 63, 64, 65,
66, 67, 68, 69, 70, 71, 72, 73, 74, 75, 76, 77, 78,
79, 80, 81, 82, 83, 84, 85, 86, 87, 88, 89, 90, 91,
92, 93, 94, 95, 96, 97, 98, 99, 100, 101, 102, 103, 104,
105, 106, 107, 108, 109, 110, 111, 112, 113, 114, 115, 116, 117,
118, 119, 120, 121, 122, 123, 124, 125, 126, 127, 128, 129, 130,
131, 132, 133, 134, 135, 136, 137, 138, 139, 140, 141, 142, 143,
144, 145, 146, 147, 148, 149, 150, 151, 152, 153, 154, 155, 156,
157, 158, 159, 160, 161, 162, 163, 164, 165, 166, 167, 168, 169,
170, 171, 172, 173, 174, 175, 176, 177, 178, 179, 180, 181, 182,
183, 184, 185, 186, 187, 188, 189, 190, 191, 192, 193, 194, 195,
196, 197, 198, 199, 200, 201, 202, 203, 204, 205, 206, 207, 208,
209, 210, 211, 212, 213, 214, 215, 216, 217, 218, 219, 220])
In [3]: np.random.choice(people, 220, replace=False).reshape(22,10)
Out[3]: array([[ 20, 48, 164, 176, 135, 190, 67, 147, 203, 130],
[150, 177, 171, 141, 122, 127, 202, 172, 21, 219],
[167, 206, 84, 118, 163, 181, 34, 87, 116, 184],
[ 33, 26, 70, 119, 129, 191, 105, 69, 86, 217],
[ 94, 24, 146, 9, 31, 208, 179, 148, 57, 102],
[211, 170, 65, 195, 220, 61, 88, 187, 32, 7],
[182, 40, 144, 145, 198, 47, 193, 74, 44, 90],
[174, 121, 216, 63, 82, 38, 201, 113, 13, 66],
[180, 137, 214, 73, 75, 51, 80, 23, 71, 18],
[161, 115, 3, 157, 89, 79, 29, 68, 200, 8],
[142, 173, 98, 36, 133, 215, 138, 50, 53, 4],
[152, 101, 139, 54, 30, 108, 49, 213, 124, 83],
[ 76, 17, 64, 10, 56, 22, 128, 153, 158, 140],
[131, 11, 45, 192, 92, 166, 60, 37, 12, 156],
[104, 25, 6, 205, 212, 197, 77, 46, 199, 96],
[ 59, 19, 112, 132, 126, 159, 151, 207, 85, 109],
[ 42, 55, 204, 188, 185, 35, 62, 41, 27, 178],
[ 14, 194, 2, 186, 143, 78, 134, 103, 106, 110],
[100, 91, 99, 111, 72, 58, 15, 120, 136, 97],
[ 39, 81, 123, 149, 165, 169, 209, 175, 1, 117],
[189, 28, 95, 114, 162, 160, 196, 5, 93, 154],
[210, 16, 168, 218, 43, 107, 155, 125, 52, 183]])
请注意，Out[3]
是一个22行10列的矩阵（22个团队，每个团队10人）。您只需在[3]中运行代码，运行次数与您的任务相同。所以基本上：
In [4]: tasks = {} # Tasks is a dictionary with task number as key, and teams array as value.
for i in np.range(1, 5, 1):
tasks['task_' + str(i)] = np.random.choice(people, 220, replace=False).reshape(22,10)
现在，您可以将存储在tasks
中的结果返回到Excel文件中，并从中继续。如果您有任何顾虑，请告诉我
如果您坚持使用Pandas，并且已经在df
中加载了数据，那么您可以使用Pandas返回每个团队、每个任务的球员姓名。此代码应足以满足您的需要：
df.set_index('player_id', inplace=True) # Which is actually pointless because
# Pandas will automatically create a 0 indexed index when you read your data in.
# So you don't even need any player_id column to begin with. If that is the case,
# change In [2] above to people = np.arange(0, 220, 1), or simply, np.arange(220)
tasks = {}
for i in np.arange(1, 5, 1):
tasks['task_' + str(i)] = {}
j = 1
for team in np.random.choice(people, 220, replace=False).reshape(22,10):
tasks[i]['team_' + str(j)] = df.loc[team].values
j += 1
任务
在此代码末尾，将嵌套字典，其结构如下：
tasks = {'task_1' : {'team_1' : [list_of_players],
'team_2' : [list_of_players],
...
'team_19' : [list_of_players],
'team_20' : [list_of_players]},
'task_1' : {'team_1' : [list_of_players],
'team_2' : [list_of_players],
...
'team_19' : [list_of_players],
'team_20' : [list_of_players]},
'task_1' : {'team_1' : [list_of_players],
'team_2' : [list_of_players],
...
'team_19' : [list_of_players],
'team_20' : [list_of_players]},
'task_1' : {'team_1' : [list_of_players],
'team_2' : [list_of_players],
...
'team_19' : [list_of_players],
'team_20' : [list_of_players]}}
希望这有帮助 这里有一个蛮力算法——它依赖于随机选择，如果失败，它只需再试一次
根本没有使用熊猫，只是普通的列表和集合
工作原理：
- 挑选一个人加入团队
- 如果他已经遇到了什么人，就把他带回去再找一个人
- 否则，让他加入团队并更新整个团队的
met
变量
- 有时候，碰巧的是，剩下的每个人都已经遇到了团队中的某个人——在这种情况下，就不要麻烦了，提出一个例外
来自随机导入选择
班长：
定义初始化（self，name）：
self.name=名称
self.met=set（）
定义报告（自我）：
返回self.name
类TooManyIteration（异常）：
通过
游戏=4
团队=22
团队规模=10
def挑选团队：
s_uuz=s.copy（）
团队=[set（）用于范围内的团队]
对于团队中的t：
c=0
而len（t）<团队规模：
p=选择（元组（s_2;））
移除（p）
如果全部（p不在x中，x在t中满足）：
t、 加（p）
其他：
补充（p）
c+=1
如果c>len（s）：
#拣不到
提高Tooman迭代次数（）
对于团队中的t：
对于t中的x：
x、 气象更新（t）
返回队
s=范围（220）内i的设置（人（str（i））
#s=设置（姓名列表中姓名的人员（姓名））
游戏=[]
而len（游戏）<游戏：
尝试：
游戏。附加（挑选团队）
除Tooman迭代外：
持续
印刷（游戏）
幸运的是，你只需要四个游戏，我想它的复杂度是指数级的。这里有一个蛮力算法-它取决于随机选择，如果失败，它只需再试一次
根本没有使用熊猫，只是普通的列表和集合
工作原理：
- 挑选一个人加入团队
- 如果他已经遇到了什么人，就把他带回去再找一个人
- 否则，让他加入团队并更新整个团队的
met
变量
- 有时候，碰巧的是，剩下的每个人都已经遇到了团队中的某个人——在这种情况下，就不要麻烦了，提出一个例外
来自随机导入选择
班长：
定义初始化（self，name）：
self.name=名称
self.met=set（）
定义报告（自我）：
返回self.name
类TooManyIteration（异常）：
通过
游戏=4
团队=22
团队规模=10
def挑选团队：
s_uuz=s.copy（）
团队=[set（）用于范围内的团队]
对于团队中的t：
c=0
而len（t）<团队规模：
p=选择（元组（s_2;））
移除（p）
如果全部（p不在x中，x在t中满足）：
t、 加（p）
其他：
补充（p）
c+=1
如果c>len（s）：
#拣不到
提高Tooman迭代次数（）
对于