python - pd.Series的置换导致原位更改

我知道np.random.permutation和np.random.shuffle之间的区别。

但是，当我将np.random.permutation用作pd.Series时，将不小心导致序列就地更改，也将导致数据帧就地更改。

我知道如何以其他方式排列它，但是我想知道numpy或pandas的设计问题吗？

演示数据显示：

import pandas as pd
import numpy as np
t = pd.Series([1,2,3,4])
#np.random.permutation(t)
assert all(t == np.random.permutation(t))

它不会提高AssertionError。
它将输出一个改组后的数组。但是，当您检查t时，它也会更改。

如果使用np.array或list，可以。

t = np.array([1,2,3,4])
np.random.permutation(t)
assert all(t == np.random.permutation(t))

确实会提高AssertionError。

最佳答案

那是一个bug in numpy。对于某些类似数组的对象，numpy.random.permutation就地改组其参数。根据文档字符串，应该返回输入的改组副本；它不应就地更改输入。

正如您在问题中指出的那样，可以通过传入实际的numpy数组来避免此问题。如果t是熊猫Series，则可以使用np.random.permutation(t.values)。

关于python - pd.Series的置换导致原位更改，我们在Stack Overflow上找到一个类似的问题：https://stackoverflow.com/questions/52846202/