Python 在数据帧中洗牌一列

如何在pandas中只洗牌一列数据

我有一个带有生产数据的数据框，我想将其加载到dev上进行测试。但是，数据包含个人可识别的信息，因此我想对这些列进行洗牌

列：FirstName LastName Birthdate SSN OtherData

如果原始数据帧是由read_csv创建的，并且我希望将数据转换为第二个数据帧以进行sql加载，但要将名字、姓氏和SSN混洗，我希望能够做到这一点：

if devprod == 'prod':
    #do not shuffle data
    df1['HS_FIRST_NAME'] = df[4]
    df1['HS_LAST_NAME'] = df[6]
    df1['HS_SSN'] = df[8]
else:
    df1['HS_FIRST_NAME'] = np.random.shuffle(df[4])
    df1['HS_LAST_NAME'] = np.random.shuffle(df[6])
    df1['HS_SSN'] = np.random.shuffle(df[8])

但是，当我尝试这样做时，会出现以下错误：

---

试图在数据帧切片的副本上设置值

直接错误是在处理数据帧时使用不适当方法的症状

就地工作并返回

None

，因此分配给

np.random.shuffle

的输出将不起作用。事实上，很少需要就地操作，而且通常不会产生任何实质性好处

例如，在这里，您可以通过而不是系列来使用和使用NumPy阵列：

if devprod == 'prod':
    #do not shuffle data
    df1['HS_FIRST_NAME'] = df[4]
    df1['HS_LAST_NAME'] = df[6]
    df1['HS_SSN'] = df[8]
else:
    df1['HS_FIRST_NAME'] = np.random.permutation(df[4].values)
    df1['HS_LAST_NAME'] = np.random.permutation(df[6].values)
    df1['HS_SSN'] = np.random.permutation(df[8].values)

---

这似乎也起到了作用：

df1['HS_FIRST_NAME'] = df[4].sample(frac=1).values

---

特别是请参阅链接文章。除了解决错误外，使用pandas洗牌的另一种方法是使用

df.sample（frac=1）

。例如，

df1['HS_FIRST_NAME']=df[4]。样本（frac=1）

.df[4]。样本（frac=1）运行时没有错误，但似乎不会乱洗数据。只是好奇。。。在10000行的答案中，他在哪里指出了如何在数据帧中洗牌一列数据答案是它可以像numpy.random.shuffle（df['column\u name']）一样简单。但是，Python将抛出一个警告，因为pandas不希望您更改索引的列。更好的方法是创建一个numpy数组，然后洗牌（myarry=df['column_name'].values/n numpy.random.shuffle（myarray））。如果需要将该数据插入数据帧，只需将其转换回series（df['randomized_column']=pd.series（myarray）