Python 3.x 如何按对象洗牌？

我有一个包含图像名称和多个包含特征的列的数据框，图像可以包含多个具有相同图像名称但具有不同列值的行

以下是数据帧的外观：

        image  val1  val2  val3
0  image1.png    12    14    15
1  image1.png    10    15    10
2  image2.png    12    -3     7
3  image2.png    17    21     1
4  image6.png    12    12     2
5  image6.png   112    12    10

然后我需要按图像名称对图像进行分组，因此我使用

groupby（）

：

然后我需要将数据拆分为训练集和验证集，因此我执行以下操作：

groups = groups.apply(np.array)
training_set = groups[:separation_index]
valid_set = groups[separation_index:]

问题是我需要在分割之前先洗牌数据（组）

---

我尝试了

np.random.shuffle（groups）

，但它不起作用，不会产生任何错误，但它不起作用，数据保持相同的顺序。

我认为你可以不分组就这样做，而不是将唯一的组名（图像）作为列表，从该列表中随机选择列车图像，然后对数据帧进行索引

df = pd.DataFrame.from_records(
    [
        {"image": "image1.png", "val1": 12, "val2": 14, "val3": 15},
        {"image": "image1.png", "val1": 10, "val2": 15, "val3": 10},
        {"image": "image2.png", "val1": 12, "val2": -3, "val3": 7},
        {"image": "image2.png", "val1": 17, "val2": 21, "val3": 1},
        {"image": "image6.png", "val1": 12, "val2": 12, "val3": 2},
        {"image": "image6.png", "val1": 112, "val2": 12, "val3": 10},
    ]
)

images = df["image"].unique()
train_images = np.random.choice(images, size=2, replace=False)

train_idxs = df["image"].isin(train_images)
train_df = df[train_idxs]
test_df = df[~train_idxs]

print(train_df)
print()
print(test_df)

        image  val1  val2  val3
0  image1.png    12    14    15
1  image1.png    10    15    10
4  image6.png    12    12     2
5  image6.png   112    12    10

        image  val1  val2  val3
2  image2.png    12    -3     7
3  image2.png    17    21     1

---

我想你可以不用分组，而是把唯一的组名（图像）作为一个列表，从列表中随机选择火车图像，然后索引数据帧

df = pd.DataFrame.from_records(
    [
        {"image": "image1.png", "val1": 12, "val2": 14, "val3": 15},
        {"image": "image1.png", "val1": 10, "val2": 15, "val3": 10},
        {"image": "image2.png", "val1": 12, "val2": -3, "val3": 7},
        {"image": "image2.png", "val1": 17, "val2": 21, "val3": 1},
        {"image": "image6.png", "val1": 12, "val2": 12, "val3": 2},
        {"image": "image6.png", "val1": 112, "val2": 12, "val3": 10},
    ]
)

images = df["image"].unique()
train_images = np.random.choice(images, size=2, replace=False)

train_idxs = df["image"].isin(train_images)
train_df = df[train_idxs]
test_df = df[~train_idxs]

print(train_df)
print()
print(test_df)

        image  val1  val2  val3
0  image1.png    12    14    15
1  image1.png    10    15    10
4  image6.png    12    12     2
5  image6.png   112    12    10

        image  val1  val2  val3
2  image2.png    12    -3     7
3  image2.png    17    21     1

---

您可以在熊猫中洗牌数据：

groups = df.groupby('image')
grouped_df = groups.aggregate(np.sum)
# random order for all rows 
grouped_df = grouped_df.sample(frac=1)

结果:

In [103]: grouped_df
Out[103]:
            val1  val2  val3
image                       
image2.png    29    18     8
image6.png   124    24    12
image1.png    22    29    25

然后您可以将其索引到：

grouped_df[:separation_index]
grouped_df[separation_index:]

---

您可以在熊猫中洗牌数据：

groups = df.groupby('image')
grouped_df = groups.aggregate(np.sum)
# random order for all rows 
grouped_df = grouped_df.sample(frac=1)

结果:

In [103]: grouped_df
Out[103]:
            val1  val2  val3
image                       
image2.png    29    18     8
image6.png   124    24    12
image1.png    22    29    25

然后您可以将其索引到：

grouped_df[:separation_index]
grouped_df[separation_index:]

---

这正是我遇到同样问题时所做的。只是我用了

train\u images=np.random.choice（images，replace=False）

@QuangHoang是的，这比我遇到同样问题时做的更好。只是我使用了

train\u images=np.random.choice（images，replace=False）

@QuangHoang是的，这样更好