如何用指定随机种子可复现地打乱DataFrame的行和列？

希望使用指定随机种子打乱DataFrame的行和列，但设置Random.seed!(123)后，每次运行sample.获取打乱索引的结果都不相同，代码示例如下：

using Random, DataFrames, StatsBase

Random.seed!(123)

df = DataFrame(
    col1 = [1, 2, 3],
    col2 = [4, 5, 6]
);

idx_row, idx_col = sample.(
    [1:size(df, 1), 1:size(df, 2)],
    [length(1:size(df, 1)), length(1:size(df, 2))],
    replace=false
)
# 第一次输出：[1, 2, 3] 和 [2, 1]

idx_row, idx_col = sample.(
    [1:size(df, 1), 1:size(df, 2)],
    [length(1:size(df, 1)), length(1:size(df, 2))],
    replace=false
)
# 第二次输出：[2, 1, 3] 和 [2, 1]

需要实现可复现的DataFrame行和列打乱。

解决方法 #

原因分析 #

问题出在每次调用随机函数都会消耗全局随机数流的状态，第一次sample.执行后，全局随机数生成器的状态已经改变，第二次调用自然会得到不同结果。要实现可复现性，需要确保每次打乱操作都从相同的随机种子状态开始，或者显式控制随机数生成器。

方案1：每次打乱前重新设置种子 #

如果需要多次重复相同的打乱结果，每次执行打乱操作前重新设置随机种子即可：

using Random, DataFrames, StatsBase

df = DataFrame(
    col1 = [1, 2, 3],
    col2 = [4, 5, 6]
);

# 第一次打乱
Random.seed!(123)
idx_row = sample(1:size(df, 1), size(df, 1), replace=false)
idx_col = sample(1:size(df, 2), size(df, 2), replace=false)
shuffled_df = df[idx_row, idx_col]
# 结果固定：行顺序[1,2,3]，列顺序[2,1]

# 第二次打乱（重新设种子，结果和第一次一致）
Random.seed!(123)
idx_row = sample(1:size(df, 1), size(df, 1), replace=false)
idx_col = sample(1:size(df, 2), size(df, 2), replace=false)
shuffled_df2 = df[idx_row, idx_col]
# shuffled_df 和 shuffled_df2 完全相同

方案2：使用独立的随机数生成器（RNG） #

避免影响全局随机数流，可以创建独立的RNG实例，每次使用同一个RNG来保证可复现性：

using Random, DataFrames, StatsBase

df = DataFrame(
    col1 = [1, 2, 3],
    col2 = [4, 5, 6]
);

# 创建带固定种子的独立RNG
rng = MersenneTwister(123)
idx_row = sample(rng, 1:size(df, 1), size(df, 1), replace=false)
idx_col = sample(rng, 1:size(df, 2), size(df, 2), replace=false)
shuffled_df = df[idx_row, idx_col]

# 若要重复相同结果，重新创建相同种子的RNG即可
rng2 = MersenneTwister(123)
idx_row2 = sample(rng2, 1:size(df, 1), size(df, 1), replace=false)
idx_col2 = sample(rng2, 1:size(df, 2), size(df, 2), replace=false)
shuffled_df2 = df[idx_row2, idx_col2]

方案3：直接使用shuffle函数（更简洁） #

因为你是对整个行/列索引做无替换全采样，本质就是打乱顺序，用shuffle更直接，同样可以通过种子或独立RNG控制：

using Random, DataFrames

df = DataFrame(
    col1 = [1, 2, 3],
    col2 = [4, 5, 6]
);

# 全局种子方式
Random.seed!(123)
shuffled_df = df[shuffle(1:nrow(df)), shuffle(1:ncol(df))]

# 独立RNG方式
rng = MersenneTwister(123)
shuffled_df = df[shuffle(rng, 1:nrow(df)), shuffle(rng, 1:ncol(df))]

内容的提问来源于stack exchange，提问作者Shayan