如何实现基于datetime列的DataFrame随机化drop_duplicates？

Pandas的drop_duplicates方法确实没有keep='random'这个参数，不过可以通过两种简单的方式实现随机保留重复项的需求：

方法一：先打乱行顺序再去重 #

先对整个DataFrame的行进行随机打乱，再执行去重操作，此时keep='first'保留的就是随机位置的行：

# 随机打乱所有行，frac=1表示取全部数据
df_shuffled = df_filtered.sample(frac=1)
# 按date列去重，保留打乱后的第一条（即随机项）
df_shuffled.drop_duplicates(subset=['date'], keep='first', inplace=True)
# 可选：如果需要恢复原索引的顺序，可执行排序
df_result = df_shuffled.sort_index()

如果需要固定随机结果（方便复现），可以给sample方法加上random_state参数，比如sample(frac=1, random_state=42)。

方法二：分组后随机选取单行 #

直接按date列分组，每组随机抽取一行，这种方法更高效，尤其适合大数据集：

# 按date分组，每组随机选1行
df_result = df_filtered.groupby('date').sample(n=1)

同样，添加random_state参数可以固定随机结果，比如sample(n=1, random_state=123)。

两种方法都能实现你要的随机去重效果，根据自己的需求选择即可。

内容的提问来源于stack exchange，提问作者a7dc