在熊猫中拖行但有秩序

Question

假设我有一个由三列组成的数据框架:年龄、性别和国家。

我想随机地对这些数据进行洗牌，，但以一种按性别排序的方式，。男性和女性各有n个，其中n可能小于、大于或等于m。洗牌应该以这样的方式进行，这样我们就可以在8人的情况下得到以下结果：

男，女，..。(如果有更多的女性:M> n)男性、女性、男性、女性、男性(如果男性多于男性:n> m)男性、女性、男性、女性(如果男女相等:n= m)

df = pd.DataFrame({'Age': [10, 20, 30, 40, 50, 60, 70, 80],
                   'Gender': ["Male", "Male", "Male", "Female", "Female", "Male", "Female", "Female"], 
'Country': ["US", "UK", "China", "Canada", "US", "UK", "China", "Brazil"]})

Answer 1

首先，在每个组中添加序列号：

df['Order'] = df.groupby('Gender').cumcount()

然后分类：

df.sort_values('Order')

它给了你：

   Age  Gender Country  Order
0   10    Male      US      0
3   40  Female  Canada      0
1   20    Male      UK      1
4   50  Female      US      1
2   30    Male   China      2
6   70  Female   China      2
5   60    Male      UK      3
7   80  Female  Brazil      3

如果你想洗牌，在一开始就这样做，例如df = df.sample(frac=1)，参见：Shuffle DataFrame rows

Answer 2

使用'Sort_Column'创建两个新的数据格式，并使df_male数据为偶数值和df_female数据为奇数值。然后，使用pd.concat将它们重新组合起来，并在'Sort_Column'上使用.sort_values()。

df = pd.DataFrame({'Age': [10, 20, 30, 40, 50, 60, 70, 80],
                   'Gender': ["Male", "Male", "Male", "Female", "Female", "Male", "Female", "Female"], 
'Country': ["US", "UK", "China", "Canada", "US", "UK", "China", "Brazil"]})
df['Sort_Column'] = 0
df_male = df.loc[df['Gender'] == 'Male'].reset_index(drop=True)
df_male['Sort_Column'] = df_male['Sort_Column'] + df_male.index*2
df_female = df1.loc[df1['Gender'] == 'Female'].reset_index(drop=True)
df_female['Sort_Column'] = df_female['Sort_Column'] + df_female.index*2 + 1
df_sorted=pd.concat([df_male, df_female]).sort_values('Sort_Column').drop('Sort_Column', axis=1).reset_index(drop=True)
df_sorted

输出：

    Age Gender  Country
0   10  Male    US
1   40  Female  Canada
2   20  Male    UK
3   50  Female  US
4   30  Male    China
5   70  Female  China
6   60  Male    UK
7   80  Female  Brazil