python - 在 Pandas 数据框中随机播放一列

Question

如何在 pandas 中只打乱一列数据？

我有一个包含生产数据的 Dataframe，我想将其加载到开发人员上进行测试。但是，数据包含个人身份信息，因此我想打乱这些列。

列:名字姓氏出生日期 SSN 其他数据

如果原始数据框是由 read_csv 创建的，并且我想将数据转换为第二个数据框以进行 sql 加载，但随机排列名字、姓氏和 SSN，我希望能够这样做:

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，出现以下错误:

试图在 DataFrame 的切片副本上设置一个值

Answer 1

直接错误是在处理数据帧时使用不明智方法的症状。

np.random.shuffle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物质利益。

这里，例如，你可以使用np.random.permutation并通过 pd.Series.values 使用 NumPy 数组而不是系列:

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)