随机排列熊猫数据框中的一列

Question

如何只对熊猫中的一列数据进行随机排序？

我有一个包含生产数据的数据框，我想将其加载到开发人员进行测试。但是，数据包含可识别个人身份的信息，因此我想重新整理这些列。

列：名字姓氏生日SSN其他数据

如果原始数据帧是由read_csv创建的，并且我想将数据转换为第二个数据帧以进行sql加载，但是将名字，姓氏和SSN改组，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，当我尝试该操作时，出现以下错误：

试图在DataFrame的切片副本上设置一个值

Answer 1

这似乎也可以完成这项工作：

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

Answer 2

立即错误是在处理数据框时使用不可取方法的症状。

np.random.shuffle就地工作并返回None，因此分配给的输出np.random.shuffle将不起作用。实际上，很少需要就地操作，并且通常不会产生实质性收益。

例如，在这里，您可以np.random.permutation通过pd.Series.values而不是通过序列使用和使用NumPy数组：

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)