pandas.DataFrame, Seriesの行をシャッフル
pandas.DataFrameの行、pandas.Seriesの要素をランダムに並び替える（シャッフルする）にはsample()メソッドを使う。他の方法もあるが、sample()メソッドを使う方法は他のモジュールをインポートしたりする必要がないので便利。
ここでは以下の内容について説明する。
sample()に引数frac=1を指定- インデックス（行番号）の振り直し: 引数
ignore_index,reset_index() - 元のオブジェクトを更新
例として以下のデータを使用する。
import pandas as pd
df = pd.read_csv('data/src/sample_pandas_normal.csv')
print(df)
# name age state point
# 0 Alice 24 NY 64
# 1 Bob 42 CA 92
# 2 Charlie 18 CA 70
# 3 Dave 68 TX 70
# 4 Ellen 24 CA 88
# 5 Frank 30 NY 57
source: pandas_random_sort_shuffle.py
例はpandas.DataFrameだが、pandas.Seriesでも同様のやり方でシャッフルできる。
なお、順番がバラバラの行をインデックスや列の値に従ってソートするにはsort_values(), sort_index()を使う。以下の記事を参照。
sample()に引数frac=1を指定
sample()メソッドの詳細は以下の記事を参照。
引数frac=1とすると、すべての行数分のランダムサンプリングをすることになり、全体をランダムに並び替える（シャッフルする）ことに等しい。
print(df.sample(frac=1))
# name age state point
# 2 Charlie 18 CA 70
# 1 Bob 42 CA 92
# 3 Dave 68 TX 70
# 0 Alice 24 NY 64
# 5 Frank 30 NY 57
# 4 Ellen 24 CA 88
source: pandas_random_sort_shuffle.py
引数random_stateを指定すると乱数シードを固定して乱数生成器を初期化できる。同じ値を指定すると常に同じように並び替えられる。
print(df.sample(frac=1, random_state=0))
# name age state point
# 5 Frank 30 NY 57
# 2 Charlie 18 CA 70
# 1 Bob 42 CA 92
# 3 Dave 68 TX 70
# 0 Alice 24 NY 64
# 4 Ellen 24 CA 88
print(df.sample(frac=1, random_state=0))
# name age state point
# 5 Frank 30 NY 57
# 2 Charlie 18 CA 70
# 1 Bob 42 CA 92
# 3 Dave 68 TX 70
# 0 Alice 24 NY 64
# 4 Ellen 24 CA 88
source: pandas_random_sort_shuffle.py
インデックス（行番号）の振り直し: 引数ignore_index, reset_index()
結果のインデックス（行番号）を0始まりに振り直したい場合は、sample()の引数ignore_indexをTrueにする。
print(df.sample(frac=1, ignore_index=True))
# name age state point
# 0 Ellen 24 CA 88
# 1 Frank 30 NY 57
# 2 Bob 42 CA 92
# 3 Dave 68 TX 70
# 4 Alice 24 NY 64
# 5 Charlie 18 CA 70
source: pandas_random_sort_shuffle.py
ignore_indexはpandas1.3.0で追加された。それより前のバージョンではreset_index()メソッドを使えばよい。元のインデックスを削除するために引数drop=Trueとする。
print(df.sample(frac=1).reset_index(drop=True))
# name age state point
# 0 Bob 42 CA 92
# 1 Dave 68 TX 70
# 2 Alice 24 NY 64
# 3 Charlie 18 CA 70
# 4 Frank 30 NY 57
# 5 Ellen 24 CA 88
source: pandas_random_sort_shuffle.py
元のオブジェクトを更新
元のオブジェクトを更新したい場合は元のオブジェクトに代入して上書きする。
df = df.sample(frac=1)
print(df)
# name age state point
# 0 Alice 24 NY 64
# 5 Frank 30 NY 57
# 1 Bob 42 CA 92
# 4 Ellen 24 CA 88
# 3 Dave 68 TX 70
# 2 Charlie 18 CA 70
source: pandas_random_sort_shuffle.py