如何将两个DataFrame的同类别值随机打乱后填充至第三个DataFrame？

问题描述 #

现有两个结构一致的DataFrame df1 和 df2，索引范围1至n（示例为1-2），数据如下：

df1 = pd.DataFrame({
    'Fruit': ['Apple', 'Pineapple', 'Apple', 'Pineapple'],
    'Indices': [1, 1, 2, 2],
    'Value': [10, 20, 30, 40]
})

df2 = pd.DataFrame({
    'Fruit': ['Apple', 'Pineapple', 'Apple', 'Pineapple'],
    'Indices': [1, 1, 2, 2],
    'Value': [50, 60, 70, 80]
})

另有一个规模为前两者两倍的DataFrame df3，索引范围1至2n，数据如下：

df3 = pd.DataFrame({
    'Fruit': ['Apple', 'Pineapple', 'Apple', 'Pineapple', 'Apple', 'Pineapple', 'Apple', 'Pineapple'],
    'Indices': [1, 1, 2, 2, 3, 3, 4, 4],
    'Value': [np.nan, np.nan, np.nan, np.nan, np.nan, np.nan, np.nan, np.nan]
})

需求：针对每个Fruit类别，将df1和df2中该类别的所有Value值随机打乱后，填充至df3对应Fruit的Value列中（例如Apple类可用值为10、30、50、70，Pineapple类为20、40、60、80，均需打乱填充）。

实现步骤与代码 #

核心思路 #

1. 合并df1和df2的所有数据，按Fruit类别分组
2. 对每组的Value列进行随机打乱
3. 通过布尔掩码定位df3中对应类别的行，将打乱后的值批量填充

完整代码 #

import pandas as pd
import numpy as np

# 初始化示例数据
df1 = pd.DataFrame({
    'Fruit': ['Apple', 'Pineapple', 'Apple', 'Pineapple'],
    'Indices': [1, 1, 2, 2],
    'Value': [10, 20, 30, 40]
})

df2 = pd.DataFrame({
    'Fruit': ['Apple', 'Pineapple', 'Apple', 'Pineapple'],
    'Indices': [1, 1, 2, 2],
    'Value': [50, 60, 70, 80]
})

df3 = pd.DataFrame({
    'Fruit': ['Apple', 'Pineapple', 'Apple', 'Pineapple', 'Apple', 'Pineapple', 'Apple', 'Pineapple'],
    'Indices': [1, 1, 2, 2, 3, 3, 4, 4],
    'Value': [np.nan, np.nan, np.nan, np.nan, np.nan, np.nan, np.nan, np.nan]
})

# 合并数据并按类别打乱Value
combined_df = pd.concat([df1, df2])
shuffled_data = combined_df.groupby('Fruit')['Value'].apply(lambda x: x.sample(frac=1).reset_index(drop=True))

# 填充df3
for fruit in shuffled_data.index.unique():
    # 获取当前类别打乱后的值列表
    target_values = shuffled_data.loc[fruit].tolist()
    # 定位df3中当前类别的行
    fruit_mask = df3['Fruit'] == fruit
    # 批量填充
    df3.loc[fruit_mask, 'Value'] = target_values

print(df3)

代码说明 #

• pd.concat([df1, df2])：合并两个DataFrame，得到所有类别的原始值集合
• groupby('Fruit')['Value'].apply(lambda x: x.sample(frac=1).reset_index(drop=True))：按Fruit分组后，用sample(frac=1)对每组值进行全量随机采样（即打乱顺序），重置索引保证后续填充的顺序正确
• df3.loc[fruit_mask, 'Value'] = target_values：通过布尔掩码精准定位df3中对应类别的行，批量填充打乱后的值

内容的提问来源于stack exchange，提问作者user6346482