我在 python 中有一个数据框，其中包含我用于二进制分类的所有数据。我在两次迭代中摄取数据——一次是一个类的所有数据，然后是另一个类的所有数据。然后我对行进行随机化。我遇到的问题是每次重新运行脚本时，都会重新创建数据框的行并随机创建不可重现的结果。
我应该从外部文件运行数据框创建和随机化吗？在模型构建中是否有关于数据摄取的常见做法？
在这方面我没有尝试过任何尝试。我还想知道从统计的角度或惯例来看这样做是否有意义？我会尝试以下方法：
import data_ingest
data_ingest.function_data_call()
但是，每次我运行脚本时，它也会调用形成数据并将其随机化的外部脚本。所以这不是我正在寻找的解决方案。
我不能真正展示一个例子，我正在加载文档（文本文件） - 文档二进制分类。数据框的结构如下：
row| content | class
--------------------------------------
1 | the sky is blue | 0
2 | the river runs deep purple| 0
3 | yellow fever | 0
4 | red strawberries | 1
5 | black orchids are nice | 1
摄取代码：
for f in [f for f in os.listdir(path1) if not f.startswith('.')]:
with io.open(path1+f, "r", encoding="utf-8") as myfile:
# data1.append(myfile.read().rstrip().replace('-', '').replace('.', '').replace('\n', ''))
tmp1 = myfile.read().rstrip().replace('-', '').replace('\n', '')
data1.append(" ".join(tmp1.split()))
df1 = pd.DataFrame(data1, columns=["content"])
df1["class"] = "1"
for f in [f for f in os.listdir(path1) if not f.startswith('.')]:
with io.open(path1+f, "r", encoding="utf-8") as myfile:
# data1.append(myfile.read().rstrip().replace('-', '').replace('.', '').replace('\n', ''))
tmp1 = myfile.read().rstrip().replace('-', '').replace('\n', '')
data1.append(" ".join(tmp1.split()))
df1 = pd.DataFrame(data1, columns=["content"])
df1["class"] = "1"
for f in [f for f in os.listdir(path2) if not f.startswith('.')]:
with io.open(path2+f, "r", encoding="utf-8") as myfile:
# data2.append(myfile.read().rstrip().replace('-', '').replace('.', '').replace('\n', '').replace(' ', ''))
tmp2 = myfile.read().rstrip().replace('-', '').replace('\n', '')
data2.append(" ".join(tmp2.split()))
df2 = pd.DataFrame(data2, columns=["content"])
df2["class"] = "0"
### Concatenate the two DataFrame into One and Re-Index
emails = pd.concat([df1,df2], ignore_index=True)
## Randomize Rows
emails = emails.reindex(np.random.permutation(emails.index))