Python中按指定窗口大小对DataFrame指定列进行分组洗牌的实现方法

嘿，我来帮你搞定这个按指定窗口大小洗牌DataFrame指定列的问题！你要的Pythonic实现其实很简单，核心思路就是把数据按窗口分组，然后对每组的目标列单独打乱，其他列保持原样就行。下面给你两种靠谱的实现方式：

方法一：用groupby + sample实现（简洁优雅） #

这种方法利用pandas的分组功能，一行代码就能完成组内洗牌，非常适合日常使用：

import pandas as pd
import numpy as np

def permute(df: pd.DataFrame, window_size: int = 10, modifiable_columns=None) -> pd.DataFrame:
    df_permuted = df.copy()
    # 如果没指定要修改的列，默认用所有列（建议明确指定，避免误改）
    if modifiable_columns is None:
        modifiable_columns = df.columns
    
    # 生成分组键：每window_size行划分为一组
    group_keys = df_permuted.index // window_size
    
    # 对每组的指定列进行随机洗牌，重置索引保证和原组对齐
    df_permuted[modifiable_columns] = df_permuted.groupby(group_keys)[modifiable_columns].apply(
        lambda group: group.sample(frac=1).reset_index(drop=True)
    )
    
    return df_permuted

代码解释： #

• 先复制原DataFrame，避免修改原始数据（这是好习惯哦）
• group_keys = df.index // window_size 会把索引0-9归为组0，10-19归为组1，以此类推，自动处理最后一组不足window_size的情况
• sample(frac=1) 是对组内所有行进行无放回的随机打乱，reset_index(drop=True) 是为了让打乱后的行索引和原组的位置对应，不会出现索引错位的问题

方法二：循环遍历窗口（适合大数据集，效率更高） #

如果你的DataFrame数据量很大，循环遍历窗口的方式可能会更高效，因为避免了groupby的一些额外开销：

import pandas as pd
import numpy as np

def permute(df: pd.DataFrame, window_size: int = 10, modifiable_columns=None) -> pd.DataFrame:
    df_permuted = df.copy()
    if modifiable_columns is None:
        modifiable_columns = df.columns
    
    total_rows = len(df_permuted)
    # 按窗口大小遍历每一组
    for start_idx in range(0, total_rows, window_size):
        # 计算当前窗口的结束索引，防止最后一组超出数据范围
        end_idx = min(start_idx + window_size, total_rows)
        # 取出当前窗口的目标列数据
        window_data = df_permuted.loc[start_idx:end_idx-1, modifiable_columns]
        # 打乱窗口内的行顺序
        shuffled_window = window_data.sample(frac=1).reset_index(drop=True)
        # 将打乱后的数据放回原位置
        df_permuted.loc[start_idx:end_idx-1, modifiable_columns] = shuffled_window.values
    
    return df_permuted

代码解释： #

• 循环的起始索引每次跳window_size步，确保每个窗口不重叠
• end_idx = min(start_idx + window_size, total_rows) 处理最后一组行数不足的情况，不会报错
• 用.values赋值是为了跳过pandas的索引匹配，直接按位置替换，更快更稳妥

测试示例 #

你可以用下面的代码测试效果，直观看到洗牌前后的差异：

if __name__ == "__main__":
    # 创建测试用的DataFrame
    test_data = {
        '序号': list(range(25)),
        '字母列': [chr(ord('a') + i) for i in range(25)],
        '数值列': np.random.randn(25)
    }
    df = pd.DataFrame(test_data)
    
    # 指定要洗牌的列
    target_cols = ['字母列', '数值列']
    # 调用洗牌函数，窗口大小设为10
    shuffled_df = permute(df, window_size=10, modifiable_columns=target_cols)
    
    print("原数据前15行：")
    print(df.head(15))
    print("\n洗牌后的数据前15行：")
    print(shuffled_df.head(15))

注意事项 #

• 两种方法都不会修改原始DataFrame，因为一开始就做了深拷贝
• 如果不需要洗牌所有列，一定要明确指定modifiable_columns，避免误改不需要变动的列（比如序号列）
• sample(frac=1) 是完全随机打乱，如果你需要其他洗牌逻辑（比如部分打乱），可以修改这个部分的代码

备注：内容来源于stack exchange，提问作者Invader