如何用循环基于现有DataFrame生成随机化新DataFrame

你需要实现的是对原DataFrame的每一列独立执行有放回随机抽样，生成指定行数的新数据集——每列保留原始元素池，但打破列间的原有关联。

原代码的冗余问题 #

当列数较多（比如24列）时，手动逐个定义列列表、逐个生成抽样列的写法会导致大量重复代码，用循环可以彻底解决这个问题。

简化后的代码 #

import pandas as pd
import random

# 假设df是你的原始DataFrame
sample_size = 2000
df_new = pd.DataFrame()

# 遍历原DataFrame的所有列，批量生成抽样数据
for col in df.columns:
    df_new[col] = random.choices(df[col].tolist(), k=sample_size)

代码说明 #

• 直接通过df.columns遍历所有列名，无需手动创建lst1/lst2这类冗余变量
• 循环中自动对每一列执行有放回抽样，结果直接赋值给新DataFrame的对应列
• 仅需修改sample_size即可调整新数据集的行数，适配任意列数的原始DataFrame

可选的Pandas风格优化 #

如果想用更简洁的Pandas原生写法，也可以用apply一行实现：

df_new = df.apply(lambda col: random.choices(col.tolist(), k=sample_size), axis=0).T

axis=0指定按列处理，最后用.T转置回常规的行列结构。

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