【Python】テキストファイルを取得して、文章をシャッフルする方法を教えてください。

Question

目的

機械学習で学習させるデータを増やすため。

やりたいこと

以下のような文章があったとします。

__label__1, 私 は ラーメン が 好き で す 。
__label__1, 僕 は オムライス を 好き で す 。

これらを並べ替えて、以下のような新しいデータを作りたいと考えております。

__label__1, 私 は ラーメン が 好き で す 。
__label__1, 僕 は オムライス を 好き で す 。
__label__1, 私 は オムライス が 好き で す 。
__label__1, 僕 は ラーメン を 好き で す　 。

やったこと ( 参考になりません。)

df = pd.read_csv('__label__1.txt',header=None,error_bad_lines=False)
data = df['__label__1']
datum = []
label = '__label__1,'

for i in data:
          sortData = sort(i)
          d = label + sortData
          datum.append(d)

以上にようにすると逆になるだけで、シャッフルできていません。
できれば自然な文章にしたいのですが、
何か良い方法はご存じないでしょうか。

Answer 1

1行目と2行目の Cartesian product を取って重複を削除(uniq)すると、8 行(8 通り)のテキストが作成されます。そこから 4 行をランダムに選択しています。

import pandas as pd
from itertools import product

df = pd.read_csv('__label__1.txt', header=None, sep=r', | ', engine='python')
dfx = pd.DataFrame(data=[*map(' '.join, set(product(*df.iloc[:,1:].values.T.tolist())))])
dfx.sample(n=4).assign(x=df[0][0])[['x', 0]].to_csv('output.csv', index=False, header=None)

$ cat output.csv
__label__1,私 は ラーメン が 好き で す 。
__label__1,僕 は ラーメン が 好き で す 。
__label__1,僕 は オムライス を 好き で す 。
__label__1,私 は オムライス を 好き で す 。

Comments

[Flutter_kun]

ありがとうございます！

それを__label__1が100行ぐらいあるファイルでやろうとしているのですが、
n = 200　と書いても大丈夫そうでしょうか

あまり理解していなくて申し訳ありません

[Flutter_kun]

sep=r', | ', engine='python'　を入れると、
ParserError: Expected 9 fields in line 2, saw 12. Error could possibly be due to quotes being ignored when a multi-char delimiter is used.

このようなエラーが出てしまいました(汗

[melian]

私の回答は全ての行が同じ列数であることを前提としていますので、不定形データの場合には対応できないのです。。。