主要是我們在進行機器學習訓練過程中，我們經常拿到的資料是有序，但是為了取得的資料能夠覆蓋每乙個分布，需要對資料進行重新洗牌。
df.sample(frac=
0.5)
如上述**，df是你的資料集，frac=0.5，表示隨機挑選50%的資料。
from sklearn.utils import shuffle
df = shuffle(df,n_samples=
1)
n_sample：打亂挑選的資料個數
dataframe索引預設是int，可以通過生成某一範圍內的隨機數按照index值進行索引
shuffle_index = np.random.permutation(
len(df)
)df.iloc[shuffle_index]
Pandas DataFrame用法總結
1 將某一列滿足條件的資料的所在行提取出來 df ori pd.read excel f ivf data data add yuejing time data arrange no null23.xlsx df new df ori df ori.iloc 2 0.6 將某一列滿足條件 0.6 的...
Pandas DataFrame常用方法
1 獲取列名 1.1.鍊錶推導式 語法 col for col in df 返回結果 cvr1 cvr2 cvr3 cvr4 結果型別 list 1.2.通過columns屬性 columns屬性返回index，columns.values屬性返回 numpy.ndarray，可通過 tolist ...
Pandas DataFrame 按行構建
當我們從複雜 提取出逐個樣本的特徵時，繼而構成一條樣本並組成訓練或測試集時，比較容易想到的一點就是一行一行地構建dataframe。而pandas.dataframe 容許的輸入有numpy ndarray structured or homogeneous dict,or dataframe這些 ...