在索引中随机选取数据而不重复，并从中创建新列表

Question

我的程序需要随机选择值而不重复它们。之后，程序将为它们分配随机变量。

假设这是数据：

[input] data
[output]
                 0
0       770000.000
1       529400.000
2       780000.000
3       731300.000
4       935000.000
5       440000.000
6       634120.000
7       980000.000
8       600000.000
9       770000.000
10      600000.000
11      536613.000
12      660000.000
13      850000.000
14      563600.000
15      985000.000
16      600000.000
17      770000.000
18      957032.000
19      252000.000
20      397000.000
21      218750.000
22      785578.000

如您所见，数据包含索引0,9和17中的重复数字。由于索引不同，因此不能忽略这些数字。我找不到任何方法来解决我的问题。我有很多尝试，比如使用data.iloc[0]but，我收到了这个

error ValueError：具有多个元素的数组的真值是不明确的。使用a.any（）或a.all（）

或者，在我的其他尝试中，由于程序排除了一些类似的数据，因此数据减少了。

在我的第一次尝试中，我使用了以下代码

Col_list = []    


def Grab(repeat):
        for x in range(FixedRange):


            letters = 'abcdefghijklmnopqrstuvwxyzABCDEFGHIJKLMNOPQRSTUVWXYZ'
            Three = [random.choice(letters) + \
                     random.choice(letters) + \
                     random.choice(letters)]

            A_Slice = random.randint(1, Total_Range_of_Data)
            [Col_list.append(data[A_Slice:A_Slice + 200]),
            Col_list.append(Three*len(data[A_Slice:A_Slice + 200]))]
            Col_list1 = pd.DataFrame(Col_list).T
            Col_listFinal = Col_list1

Grab(0)

输出会给出类似的东西

  .                 .                  .                    .
  .                 .                  .                    .
 190  1.06934e+06  kCn  3.46638e+06  EmV ...        514564  LLl       450000  hfX
 191       250000  kCn     1.37e+06  EmV ...   1.00430e+06  LLl       468305  hfX
 192       741088  kCn     1.25e+06  EmV ...        312032  LLl       520000  hfX
 193       427500  kCn       726700  EmV ...    1.0204e+06  LLl       495750  hfX
 194       969600  kCn       853388  EmV ...        139300  LLl       530000  hfX
 195       388556  kCn     1.21e+06  EmV ...        437500  LLl       598520  hfX
 196    2.045e+06  kCn  1.53636e+06  EmV ...        547835  LLl       538250  hfX
 197       435008  kCn       752700  EmV ...        712400  LLl       326000  hfX
 198  6.15566e+06  kCn  1.56282e+06  EmV ...     1.385e+06  LLl       480000  hfX
 199       551650  kCn    1.222e+06  EmV ...        771512  LLl       495750  hfX

但这没有用，因为它是随机的，可能需要不止一次。有什么建议可以解决问题吗？

顺便说一句，所需的输出必须类似于上面的输出，但没有重复。

Answer 1

正如@ peter-leimbigler所说，df.sample可以帮助你完成大部分工作。

df.sample(10))

        data
4   935000.0
13  850000.0
20  397000.0
7   980000.0
22  785578.0
18  957032.0
19  252000.0
10  600000.0
5   440000.0
0   770000.0

如果这些值存在于多个索引位置，则可能会重复某些值，但不应多次选择相同的索引位置。

如果您只想对唯一值进行采样，则可以使用df [column] .unique，但不能直接对其进行采样。

unique_series = df["data"].unique()
df2 = pd.DataFrame(list(unique_series), columns=["data"])

        data
0   770000.0
1   529400.0
2   780000.0
3   731300.0
4   935000.0
5   440000.0
6   634120.0
7   980000.0
8   600000.0
9   536613.0
10  660000.0
11  850000.0
12  563600.0
13  985000.0
14  957032.0
15  252000.0
16  397000.0
17  218750.0
18  785578.0

Answer 2

您可以使用numpy.random.choice和replace=False关键字arg选择随机索引而无需替换。以下是如何从n中选择data随机值而不重复索引：

import numpy as np
drand = data.iloc[np.random.choice(np.arange(data.size), n, replace=False)]