0

- 環境
Mac
Python 3.7.3
Jupyter Notebook 5.7.8

- やりたいこと
親ID列・子ID列を持ったデータフレームがあります。
このとき、全行を単純にランダムソートするのではなく、同じ親IDを持つ行をグループ化した上で、そのグループをランダムソートできるでしょうか。

- やったこと
一部の抽出対象のparent-idが格納された配列を用意。
isinメソッドでマッチしたデータを出力しようとしましたが、parent-idをひとかたまりにランダム出力されるのではなく、単純なランダムソートで出力されてしまいます。

Python Code

lis = [2, 3, 1] #parent-idが1~3までのものが出力対象
test_df = pd.DataFrame({"parent-id": [1, 1, 1, 2, 2, 2, 3, 3, 3, 4, 4, 4],
                        "child-id": [1, 2, 3, 1, 2, 3, 1, 2, 3, 1, 2, 3]})

f = lambda x: x[(x["parent-id"].isin(lis))]
test_df.groupby(["parent-id"]).apply(f).sample(frac=1, random_state=0)

出力結果

2 件の回答 2

1

結論、user10685さんに記載いただいた内容を参考にして、groupbyを意識したことにより、以下のtipsで解決いたしました。
Shuffle a pandas dataframe by groups

fixしたコードは以下です。

lis = [2, 3, 1]
test_df = pd.DataFrame({"parent-id": [1, 1, 1, 2, 2, 2, 3, 3, 3, 4, 4, 4],
                        "child-id": [1, 2, 3, 1, 2, 3, 1, 2, 3, 1, 2, 3]})
groups = [test_df for _, test_df in test_df[(test_df["parent-id"].isin(lis))].groupby('parent-id')]
random.shuffle(groups)
pd.concat(groups).reset_index(drop=True)

親単位でのグループシャッフル

0

applyした段階でDataFrameGroupByオブジェクトではなくDataFrameになり、小グループ単位での操作はできなくなります。ですので

lis = [2, 3, 1] #parent-idが1~3までのものが出力対象
test_df = pd.DataFrame({"parent-id": [1, 1, 1, 2, 2, 2, 3, 3, 3, 4, 4, 4],
                        "child-d": [1, 2, 3, 1, 2, 3, 1, 2, 3, 1, 2, 3]})

f = lambda x: x[(x["parent-id"].isin(lis))].sample(frac=1, random_state=0)
test_df.groupby(["parent-id"]).apply(f)

のようにするとよいかと。

ref:
- pd.DataFrame.groupby
- pd.core.groupby.GroupBy.apply

3
  • ありがとうございます。ご提示いただいたアプローチで試行したのですが、グループ内のchild-idはシャッフルされるもparent-idはシャッフルされず、、でした。
    – yoshi
    Commented 2019年5月14日 1:27
  • @yoshi 自己回答を見るに、私は誤読に基づいて回答してしまったようですね。この場合、この回答は承認されているべきではありません
    – user10685
    Commented 2019年5月14日 7:41
  • 誤解を誘発させる質問の記載方法であり、失礼いたしました。今後は期待する出力結果も合わせて掲載するようにします。
    – yoshi
    Commented 2019年5月15日 8:32

この質問に回答するには、ログインする必要があります。

求めていた回答ではありませんか? のタグが付いた他の質問を参照する。