Pandas DataFrame 按名称轮询式均匀排序:实现“公平采样”式遍历

秋瑶君_1400

秋瑶君_1400

2026-10-31

831人浏览

原创

Pandas DataFrame 按名称轮询式均匀排序:实现“公平采样”式遍历

本文介绍如何对 pandas dataframe 按某列(如姓名)进行轮询式(round-robin)排序,确保高频与低频值在前缀子集中出现概率均衡,同时保持全部行不丢失、顺序具备随机性。

本文介绍如何对 pandas dataframe 按某列(如姓名)进行轮询式(round-robin)排序,确保高频与低频值在前缀子集中出现概率均衡,同时保持全部行不丢失、顺序具备随机性。

在实际数据分析或人工审核场景中,常遇到如下需求:数据集包含重复类别(如用户姓名),但希望在仅浏览前 20% 行时,也能大致均匀地覆盖所有类别——而非被高频项(如 "Sam" 出现 5 次)垄断开头,导致低频项(如 "Sarah" 仅 1 次)几乎不可见。传统 df.sort_values('Name') 会聚类排列,df.sample(frac=1) 则完全随机、缺乏均匀性保障。理想方案应兼具确定性轮询结构 + 随机初始化扰动。

核心思路是:为每个姓名的每次出现分配一个“轮次序号”(即该姓名第几次出现),再按此序号分组内排序,最后整体稳定排序。groupby(x).cumcount() 正好生成每个值的递增出现序号(从 0 开始),而 sort_values(..., kind='stable') 可保证相同序号下保持原始相对顺序(便于后续叠加随机性)。

关键一步是先全局打乱:df.sample(frac=1) 确保不同姓名的首次出现位置是随机的,避免每次运行结果固定;再基于打乱后的顺序计算 cumcount,就能让各姓名的“第 1 次出现”、“第 2 次出现”… 分散在不同轮次中,形成交错轮询效果。

以下是完整实现代码:

import pandas as pd

# 构造示例数据
data = {
    'Name': ['Sam', 'John', 'Amy', 'Sam', 'Sam', 'Amy', 'Sam', 'Amy', 'Sarah', 'John', 'Sam'],
    'Score': ['2', '3', '5', '4', '6', '10', '8', '15', '7', '9', '12']
}
df = pd.DataFrame(data)

# 执行轮询式均匀排序
out = (
    df.sample(frac=1, random_state=42)  # 加 random_state 便于复现;生产环境可省略
    .sort_values('Name', key=lambda x: x.groupby(x).cumcount(), kind='stable')
    .reset_index(drop=True)
)

print(out)

输出示例(因 sample 随机性,每次运行略有差异,但结构一致):

Lumen Flow
Lumen Flow

Lumen Flow是一款AI文本写作工具,端到端 AI 漫剧自动生产线,AI 剧本一键成片。

下载
    Name Score
0    Amy    15
1    Sam    12
2   John     3
3  Sarah     7
4    Sam     4
5   John     9
6    Amy     5
7    Sam     2
8    Amy    10
9    Sam     6
10   Sam     8

✅ 效果验证:观察前 5 行,已覆盖 Amy, Sam, John, Sarah, Sam —— 四个不同姓名在前半段即全部出现,且 Sam(高频)未连续堆积;Sarah(唯一)出现在第 4 位,显著优于纯排序(末尾)或纯随机(可能遗漏)。

⚠️ 注意事项:

  • kind='stable' 不可省略:它确保相同 cumcount 值(如同为第 0 次出现的各姓名)内部保持 sample 后的相对顺序,避免二次打乱破坏轮询逻辑;
  • 若需结果可复现,请在 sample() 中指定 random_state;
  • 该方法不删除、不聚合、不修改任何原始数据,完全满足“保留全部行”的硬性要求;
  • 扩展性强:只需替换 'Name' 为任意分类列(如 'Category', 'Team'),即可复用于其他轮询场景。

总结而言,这一方案以极简代码实现了“伪随机 + 均匀分布”的双重目标,是处理带重复标签的长列表时兼顾公平性与实用性的优选策略。

相关文章

PHP速学视频免费教程(入门到精通)
PHP速学视频免费教程(入门到精通)

PHP怎么学习?PHP怎么入门?PHP在哪学?PHP怎么学才快?不用担心,这里为大家提供了PHP速学教程(入门到精通),有需要的小伙伴保存下载就能学习啦!

下载

本站声明:本文内容由网友自发贡献,版权归原作者所有,本站不承担相应法律责任。如您发现有涉嫌抄袭侵权的内容,请联系admin@php.cn

相关专题

更多
Python 时间序列分析与预测
Python 时间序列分析与预测

本专题专注讲解 Python 在时间序列数据处理与预测建模中的实战技巧,涵盖时间索引处理、周期性与趋势分解、平稳性检测、ARIMA/SARIMA 模型构建、预测误差评估,以及基于实际业务场景的时间序列项目实操,帮助学习者掌握从数据预处理到模型预测的完整时序分析能力。

2025.12.04

380

15

Python 数据清洗与预处理实战
Python 数据清洗与预处理实战

本专题系统讲解 Python 在数据清洗与预处理中的核心技术,包括使用 Pandas 进行缺失值处理、异常值检测、数据格式化、特征工程与数据转换,结合 NumPy 高效处理大规模数据。通过实战案例,帮助学习者掌握 如何处理混乱、不完整数据,为后续数据分析与机器学习模型训练打下坚实基础。

2026.01.31

292

21

Python数据分析与Pandas高级实战
Python数据分析与Pandas高级实战

本专题围绕 Python 数据分析展开,系统讲解 Pandas 的高级用法,包括数据清洗、透视表、时间序列分析以及多表合并与分组操作。通过实战案例,帮助开发者掌握高效处理与分析数据的方法,提高数据处理效率与分析能力。

2026.04.13

1031

25

Navicat创建数据库教程
Navicat创建数据库教程

本专题整理Navicat创建数据库相关教程,介绍新建前的准备、基础设置和创建后的检查方法。内容兼顾入门学习及实际使用需求,帮助用户了解不同数据库类型下的操作差异,为后续建表、保存数据和日常管理提供参考。

2026.11.20

0

7

Navicat入门教程大全
Navicat入门教程大全

本专题整理Navicat入门教程,从认识软件界面到开展数据库操作,介绍初次使用需要了解的知识和方法。内容兼顾连接配置、数据管理及日常使用中的疑问,方便用户按学习进度查阅,为后续实践和独立操作打好基础。

2026.11.20

0

17

Navicat数据库连接配置指南
Navicat数据库连接配置指南

从确认数据库信息到建立可用连接,本专题串联Navicat连接数据库的相关知识和操作方法。既有初次配置时需要了解的基础内容,也有连接后的检查思路,方便用户按实际需求查阅教程,逐步熟悉数据库连接的设置流程。

2026.11.20

0

10

PHP8.6数组与数据处理教程
PHP8.6数组与数据处理教程

本专题汇总PHP8.6数组与数据处理教程,涵盖CSV读取和导出、引用遍历删除、array_filter回调模式、配置键名冲突、pathinfo文件名校验、GMP大整数进制转换及UTF-8正则筛选,说明升级兼容变化、输入范围和失败处理方法。

2026.11.20

0

8

PHP8.6升级迁移教程
PHP8.6升级迁移教程

本专题汇总PHP8.6升级迁移与弃用接口改造教程,涵盖反射调用、对象属性赋值、标识符更名、构造函数与__debugInfo调整,以及插件类名检查、常量导出、ArrayIterator排序、SPL和DTO查询参数转换,帮助梳理弃用提示并完成代码兼容改造。

2026.11.20

0

10

PHP8.6安装配置与FPM运维教程
PHP8.6安装配置与FPM运维教程

本专题汇总PHP8.6正式版安装部署与FPM运维教程,涵盖Linux并存安装、独立ini配置、扩展重新编译、Nginx切换与回滚、FPM状态监控和慢日志排查,以及环境变量、请求超时、OPcache刷新和预加载配置。

2026.11.20

0

10

热门下载

更多
网站特效
/
网站源码
/
网站素材
/
前端模板

精品课程

更多
热门推荐
/
最新课程
phpStudy极速入门视频教程
phpStudy极速入门视频教程

共6课时 | 54.7万人学习

独孤九贱(4)_PHP视频教程
独孤九贱(4)_PHP视频教程

共89课时 | 134.3万人学习