0

最小示例：
考虑这个数据框temp：

temp = pd.DataFrame({"A":[1,2,3,4,5,6,7,8,9,10],"B":[2,3,4,5,6,7,8,9,10,11],"C":[3,4,5,6,7,8,9,10,11,12]})
>>> temp
    A   B   C
0   1   2   3
1   2   3   4
2   3   4   5
3   4   5   6
4   5   6   7
5   6   7   8
6   7   8   9
7   8   9  10
8   9  10  11
9  10  11  12

现在，尝试在 for 循环中一次洗牌每一列。 

>>> for i in temp.columns:
...     np.random.shuffle(temp.loc[:,i])
...     print(temp)
...
    A   B   C
0   8   2   3
1   3   3   4
2   9   4   5
3   6   5   6
4   4   6   7
5  10   7   8
6   7   8   9
7   1   9  10
8   2  10  11
9   5  11  12
    A   B   C
0   8   7   3
1   3   9   4
2   9   8   5
3   6  10   6
4   4   4   7
5  10  11   8
6   7   5   9
7   1   3  10
8   2   2  11
9   5   6  12
    A   B   C
0   8   7   6
1   3   9   8
2   9   8   4
3   6  10  10
4   4   4   7
5  10  11  11
6   7   5   5
7   1   3   3
8   2   2  12
9   5   6   9

这完美地工作。
具体例子：

现在，如果我想获得这个数据框的一部分，用于训练和测试目的，那么我将train_test_split使用sklearn.model_selection. 

>>> from sklearn.model_selection import train_test_split
>>> temp = pd.DataFrame({"A":[1,2,3,4,5,6,7,8,9,10],"B":[2,3,4,5,6,7,8,9,10,11],"C":[3,4,5,6,7,8,9,10,11,12]})
>>> y = [i for i in range(16,26)]
>>> len(y)
10
>>> X_train,X_test,y_train,y_test = train_test_split(temp,y,test_size=0.2)
>>> X_train
    A   B   C
2   3   4   5
6   7   8   9
8   9  10  11
0   1   2   3
7   8   9  10
3   4   5   6
1   2   3   4
9  10  11  12

现在，我们已经获得了我们的X_train数据框。为了洗牌它的每一列： 

>>> for i in X_train.columns:
...     np.random.shuffle(X_train.loc[:,i])
...     print(X_train)
...

不幸的是，这会导致错误。
错误： 

sys:1: SettingWithCopyWarning:
A value is trying to be set on a copy of a slice from a DataFrame

See the caveats in the documentation: http://pandas.pydata.org/pandas-docs/stable/indexing.html#indexing-view-versus-copy
    Traceback (most recent call last):
  File "<stdin>", line 2, in <module>
  File "mtrand.pyx", line 4852, in mtrand.RandomState.shuffle
  File "mtrand.pyx", line 4855, in mtrand.RandomState.shuffle
  File "C:\Users\H.P\AppData\Local\Programs\Python\Python36\lib\site-packages\pandas\core\series.py", line 623, in __getitem__
    result = self.index.get_value(self, key)
  File "C:\Users\H.P\AppData\Local\Programs\Python\Python36\lib\site-packages\pandas\core\indexes\base.py", line 2560, in get_value
    tz=getattr(series.dtype, 'tz', None))
  File "pandas\_libs\index.pyx", line 83, in pandas._libs.index.IndexEngine.get_value
  File "pandas\_libs\index.pyx", line 91, in pandas._libs.index.IndexEngine.get_value
  File "pandas\_libs\index.pyx", line 139, in pandas._libs.index.IndexEngine.get_loc
  File "pandas\_libs\hashtable_class_helper.pxi", line 811, in pandas._libs.hashtable.Int64HashTable.get_item
  File "pandas\_libs\hashtable_class_helper.pxi", line 817, in pandas._libs.hashtable.Int64HashTable.get_item
KeyError: 4

跟踪问题及其解决方案：

在 下SettingWithCopyWarning，我发现了这个问题，它的第一个答案下面有这一行：

但是，它可以创建一个副本来更新data['amount'] 您看不到的副本。然后你会想知道为什么它不更新。

但是，如果是这种情况，那么为什么代码对第一种情况有效？

答案中还给出了：

Pandas 几乎在所有方法调用中都会返回一个对象的副本。就地操作是一种可行的操作，但通常不清楚数据是否正在被修改并且可能在副本上工作。

np.random.shuffle因此，我们可以使用来代替使用np.random.permutation，如本答案所示。所以：

>>> for i in X_train.columns:
...     X_train.loc[:,i] = np.random.permutation(X_train.loc[:,i])
...     print(X_train)
...

但是，我SettingWithCopyWarning又得到了答案，也得到了答案。

C:\Users\H.P\AppData\Local\Programs\Python\Python36\lib\site-packages\pandas\core\indexing.py:621: SettingWithCopyWarning:
A value is trying to be set on a copy of a slice from a DataFrame.
Try using .loc[row_indexer,col_indexer] = value instead

See the caveats in the documentation: http://pandas.pydata.org/pandas-docs/stable/indexing.html#indexing-view-versus-copy
  self.obj[item_labels[indexer[info_axis]]] = value
    A   B   C
2  10   4   5
6   9   8   9
8   2  10  11
0   8   2   3
7   1   9  10
3   3   5   6
1   4   3   4
9   7  11  12
    A   B   C
2  10   5   5
6   9  11   9
8   2   4  11
0   8   9   3
7   1   3  10
3   3   8   6
1   4  10   4
9   7   2  12
    A   B   C
2  10   5  10
6   9  11   5
8   2   4  11
0   8   9   3
7   1   3   4
3   3   8   6
1   4  10  12
9   7   2   9

这可能是一种解决方法。

问题：

  1. 当我使用时，为什么代码适用于第一种情况，而不适用于第二种情况train_test_split？
  2. SettingWithCopyWarning当我不使用就地洗牌器时，为什么我仍然会得到np.random.shuffle？

征求意见：

  1. 是否有更好（易于使用/无错误/更快）的方法来进行列改组？
4

2 回答 2

2

1.当我使用时，为什么代码适用于第一种情况，而不适用于第二种情况train_test_split？

因为 train_test_split 将X_train. 因此每列的索引不是一个范围，而是一组值

您可以通过检查和的索引来看到这temp一点X_train

X_train.index
Int64Index([6, 8, 9, 5, 0, 2, 3, 4], dtype='int64')

temp.index
RangeIndex(start=0, stop=10, step=1)

在第一种情况下，与第二种情况不同，列可以安全地被视为一个数组。如果您将第二种情况下的代码更改为

for i in X_train.columns:
    np.random.shuffle(X_train.loc[:,i].values)
    print(X_train)

这不会导致错误。

请注意，您提供的情况下的改组将导致每列的改组不同。即数据点会混淆。

2.为什么SettingWithCopyWarning我不使用inplace shuffler时仍然得到np.random.shuffle？

使用最新版本的 pandas (0.22.0) 时没有收到警告

征求意见：

  1. 是否有更好（易于使用/无错误/更快）的方法来进行列改组？

我建议使用 sample when axis=1，它会打乱列，样本数应该是列数。IEX_train.shape[1]

X_train = X_train.sample(X_train.shape[1],axis=1)

In []: X_train.sample(X_train.shape[1],axis=1)
Out[]: 
    B   A   C
6   8   7   9
9  11  10  12
8  10   9  11
4   6   5   7
5   7   6   8
0   2   1   3
2   4   3   5
3   5   4   6
于 2018-02-16T08:13:26.730 回答
0

我也遇到了 train_test_split 的这个问题。我改用这个：

np.random.shuffle(x.iloc[:, i].values)

不知道为什么它有效，但它似乎解决了问题

于 2021-01-29T16:09:35.323 回答